文件名称：UBAR-MultiWOZ:AAAI 2021
文件大小：33.8MB
文件格式：ZIP
更新时间：2024-05-26 09:07:22
Python
乌巴 这是AAAI 2021论文“ UBAR：使用GPT-2迈向完全端到端面向任务的对话系统”的代码和数据。 抽象的 本文介绍了我们的面向任务的对话框系统UBAR，它在对话框会话级别上对面向任务的对话框进行建模。 具体而言，通过在整个对话会话的序列上微调大型的预训练单向语言模型GPT-2来获取UBAR，对话序列由用户话语，信念状态，数据库结果，系统行为和每个对话回合的系统响应组成。 此外，在更现实的环境中对UBAR进行评估，在该环境中，其对话上下文可以访问用户的话语及其所生成的所有内容，例如信念状态，系统行为和系统响应。 在MultiWOZ数据集上的实验结果表明，UBAR在多种设置下均达到了最先进的性能，分别将响应生成，策略优化和端到端建模的综合得分分别提高了4.7、3.5和9.4点。 全面的分析表明，会话级训练序列的表述和生成的对话上下文对于UBAR在现实生活中充当完全端到端的面向任务
【文件预览】：
UBAR-MultiWOZ-master
----eval.py(34KB)
----data_analysis.py(7KB)
----clean_dataset.py(11KB)
----utils.py(11KB)
----data()
--------multi-woz()
----db_ops.py(11KB)
----db()
--------taxi_db.json(212B)
--------taxi-dbase.db(0B)
--------attraction-dbase.db(24KB)
--------train-dbase.db(236KB)
--------bus_db.json(731KB)
--------restaurant-dbase.db(40KB)
--------attraction_db.json(35KB)
--------train_db.json(731KB)
--------hotel-dbase.db(12KB)
--------value_set.json(111KB)
--------ontology.json(43KB)
--------hotel_db.json(18KB)
--------hospital-dbase.db(0B)
--------bus-dbase.db(236KB)
--------restaurant_db.json(55KB)
--------hospital_db.json(7KB)
--------police_db.json(149B)
----preprocess2.1.py(24KB)
----train.py(37KB)
----ontology.py(7KB)
----run_evaluate.sh(12KB)
----Appendix.pdf(821KB)
----config21.py(5KB)
----dst.py(9KB)
----preprocess.py(23KB)
----compute_joint_acc.py(4KB)
----config.py(5KB)
----train_DST.py(35KB)
----README.md(6KB)
----Figures()
--------Modelv4.pdf(20KB)
----damd_net.py(69KB)
----reader.py(57KB)
----run_evaluate_except_domains.sh(3KB)