- 合成データ生成による多様で効果的なゼロショット対話状態追跡のための研究
- 著者: James D. Finch, Jinho D. Choi
- 既存のDSTデータセットは、データ収集の高コストにより、アプリケーションドメインやスロットタイプの数が制限されており、新しいドメインに適応することが制限されている
- 本研究は、合成データ生成を通じてトレーニングデータの多様性を向上させることで、ゼロショット対話状態追跡（DST）の性能向上を実証
- 従来の方法とは異なり、この手法は、シルバー標準の対話状態アノテーションとスロットの説明を備えた、大規模なアプリケーションドメイン全体での対話を生成できる
- この手法を使用して、トレーニング用のゼロショットDSTモデル用のD0Tデータセットを作成し、前例のない1,000以上のドメインを網羅
- MultiWOZベンチマークでの実験では、多様な合成データでモデルをトレーニングすることで、共同ゴール精度が6.7％向上し、結果が我々の13.5倍の大きさのモデルと競合する結果を達成した
この研究は、合成データ生成を活用して、ゼロショット対話状態追跡においてトレーニングデータの多様性を高め、驚異的なドメイン数をカバーするDSTモデルの性能向上を実証しています。合成データの多様性は、モデルの性能を向上させる可能性があり、将来的にさらなる応用が期待されます。