タスク指向対話システムのDialog State Trackingのタスクで、複数のドメインにまたがる対話に対応した新しい手法を提案。既存手法に比べステートの予測精度を10ポイント以上向上させ、DSTのタスクでは今までなかった、zero-shot学習やfew-shot学習にも提案手法を利用できることを示した
[論文要約][INTERSPEECH 2012] A discriminative classification-based approach to information state updates for a multi-domain dialog system
システムとユーザーのインタラクションから、end2endでタスク指向対話を学習する手法を提案。模倣学習と強化学習を組み合わせた手法により、既存手法より効率よく学習を行うことができる…
DSTにDeep Learningを使用し、クロスドメインの設定で、平均的な性能のシステムを上回る性能を示した
[論文要約][ACL 2015] Multi-domain Dialog State Tracking using Recurrent Neural Networks
[論文要約][SIGDIAL 2016] Towards End-to-End Learning for Dialog State Tracking and Management using Deep Reinforcement Learning
[論文要約][NIPS 2018] Dialog System Technology Challenge 7
DSTC7のタスク設計および結果の概要についてまとめられている記事。DSTC6に引き続きend2endなタスクに焦点が当てられている。生成型のシステムにおけるBLEUなどの自動評価の問題点も指摘されている