Resumen

El seguimiento del estado del diálogo en un sistema de diálogo hablado es la tarea que rastrea el flujo de un diálogo e identifica con precisión lo que el usuario quiere de la expresión. Dado que el éxito de un diálogo depende de la capacidad del sistema para captar las necesidades del usuario, un seguimiento preciso del estado es importante para los sistemas de diálogo hablado. Este artículo propone un rastreador neural de estado de diálogo de dos pasos que se compone de un clasificador de información y un rastreador neural. El clasificador de información, implementado por una CNN, filtra primero las expresiones no informativas de un diálogo. A continuación, el rastreador neural estima los estados del diálogo a partir de las expresiones informativas restantes. El rastreador adopta el mecanismo de atención y el softmax jerárquico para su rendimiento y entrenamiento rápido. Para demostrar la eficacia del modelo propuesto, realizamos experimentos de seguimiento de estados de diálogo en diálogos orientados a tareas humanas con el conjunto de datos estándar DSTC4. Nuestros resultados experimentales demuestran la eficacia del modelo propuesto, mostrando que el modelo propuesto supera a los rastreadores neuronales sin el clasificador de información, el mecanismo de atención o el softmax jerárquico.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:seguimiento del estado del diálogo, sistema de diálogo hablado, rastreador neural, clasificador de información, mecanismo de atención, modelo propuesto, softmax jerárquico, datos estándar dstc4, rastreador del estado del diálogo, seguimiento preciso del estado
• Keywords:dialog state tracking, spoken dialog system, neural tracker, informativeness classifier, attention mechanism, proposed model, hierarchical softmax, standard dstc4 data, dialog state tracker, accurate state tracking