对话状态跟踪的转折级主动学习
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种新颖的逐轮主动学习框架用于对话状态跟踪 (DST)，通过主动选择对话中的轮次进行注释，以解决收集大量逐轮标注对话数据的高成本和低效率问题。根据有限的标注预算，实验结果表明选择性注释对话轮次的有效性。此外，我们的方法可以有效地实现与传统训练方法相当的 DST 性能，使用显著较少的标注数据，为注释新的对话数据提供了更高效的方式。
该文提出了一种新颖的逐轮主动学习框架，用于对话状态跟踪。通过主动选择对话中的轮次进行注释，解决了收集大量逐轮标注对话数据的高成本和低效率问题。实验结果表明选择性注释对话轮次的有效性，同时使用显著较少的标注数据，可以实现与传统训练方法相当的DST性能，为注释新的对话数据提供了更高效的方式。
