學習筆記（37）- CrossWOZ和ConvLab2

本文僅供學習使用

CrossWOZ清華大學CoAI實驗室做的任務型中文跨域對話系統數據集，模擬北京游客進行酒店、景點、餐館、地鐵、出租車共5個領域進行對話。
文中詳細介紹了多輪對話的NLU、DST、Policy、NLG各個模塊。
提供了基准實驗，基於ConvLab2和基於規則。

作者解讀了自己的論文。

CrossWOZ

大規模中文多域任務型對話數據集

human-to-human dialogue

旅游信息Hotel、Attraction、Restaurant；Metro從旅游信息抽取；Taxi對接API

slot是人工設定的。景點的門票、開放時間；餐館的菜單等；

NLG: BLUE高不代表生成效果好。

1. 采集數據。
2. 生成目標。Domain、Slot、Value。隨機采樣，定義約束。
3. 收集對話。構建網站，聘請人工，上下文依賴的對話，保證一致性。
4. 對話標注

語料統計

基准

ConvLab-2

PyDial：關注對話策略的強化學習
ParlAI：支持多種任務：閱讀理解、QA。需要自己寫模塊化的代碼
ConvLab：模塊層次的評估。不是用戶模擬器的交互評估，不是機器跟機器的完整對話。corpus表現好，不代表真實表現好。
Rasa和Plato：用於生產環境，工程師快速搭建對話系統。例如公眾號，查天氣。脫離研究。