تتضمن الأساليب الحديثة الحديثة في حوار المجال المفتوح نماذج التعليم العميق في نهاية إلى نهج لتعلم العديد من ميزات المحادثة مثل المحتوى العاطفي للاستجابة، والانتقال الرمز الرمزي سياقات الحوار في الرسم البياني المعرفي وشخصية الوكيل والمستخدم، من بين آخ
رين. في حين أن النماذج العصبية قد أظهرت نتائج معقولة، فإن نمذجة العمليات المعرفية التي يستخدمها البشر عند التحدث مع بعضهم البعض تحسين جودة الوكيل للردود. يتمثل عنصر رئيسي في المحادثة الطبيعية في تكييف استجابة المرء بحيث يمثل المفاهيم التي يجوز لها السماعة والمستمع بها أو قد لا يعرفها وأهمية السياق لجميع المفاهيم السابقة المستخدمة في المحادثة. نظرا لأن تمثيل غني ونمذجة صريحة لهذه العمليات النفسية يمكن أن تحسن التنبؤات التي قدمتها نماذج الشبكة العصبية الحالية. في هذا العمل، نقترح نهجا احتمالا جديدا باستخدام حقول Markov العشوائية (MRF) لزيادة طرق التعلم العميق الموجودة لتحسين التنبؤ القادم للكلام. باستخدام التقييمات البشرية والآلية، نظير على أن نهجنا للتكبير لدينا يحسن بشكل كبير من أداء نماذج استرجاع الحالة القائمة من أحدث الوكلاء المحادثة للمجموعات المفتوحة.
غالبا ما تستخدم أنظمة المحادثة الموجهة نحو المهام تتبع حالة الحوار لتمثيل نوايا المستخدم، والتي تنطوي على ملء قيم فتحات محددة مسبقا.تم اقتراح العديد من النهج، وغالبا ما تستخدم الهندسة المعنية بمهام المهام مع مصنفات ذات الأغراض الخاصة.في الآونة الأخير
ة، تم الحصول على نتائج جيدة باستخدام هياكل عامة أكثر بناء على نماذج اللغة المحددة مسبقا.هنا، نقدم اختلافا جديدا لنهج نمذجة اللغة التي تستخدم مطالبة مخطط مدفوعة بتوفير ترميز التاريخ على علم المهام المستخدمة لكل من الفتحات الفئوية وغير القشرية.ونحن كذلك تحسين الأداء من خلال زيادة المطالبة بأوصاف المخطط، وهو مصدر حدوث طبيعي للمعرفة داخل المجال.لدينا نظام التوليد البحت يحقق الأداء الحديثة في MultiWoz 2.2 وتحقق أداء تنافسي على اثنين من المعايير الأخرى: MultiWoz 2.1 و M2M.ستكون البيانات والرمز متاحة في https://github.com/chiahsuan156/dst-as-prompting.
