Resumen Consciente de Hechos con Aprendizaje Contrastivo para el Seguimiento del Estado del Diálogo en Pocas Muestras

El seguimiento del estado del diálogo (DST) es un componente crucial de los sistemas de diálogo orientados a tareas, ya que tiene como objetivo rastrear con precisión las metas del usuario a lo largo de la historia del diálogo. Sin embargo, los modelos de DST tienen dificultades con nuevos dominios debido a datos anotados limitados, lo que conduce a un rendimiento deficiente. Para resolver este desafío clave en DST, proponemos un modelo llamado Modelo de Resumen Consciente de Hechos para DST de Pocas Muestras (FaS-DST), que introduce un patrón de "Resumir, Extraer y Seleccionar". Específicamente, descomponemos el DST en tres subtareas: generar resúmenes candidatos, extraer estados de diálogo y puntuar a los candidatos para seleccionar el más preciso. Se incorpora el aprendizaje contrastivo para entrenar un puntuador de candidatos, lo que mejora la fidelidad y la exactitud en el resumen del diálogo. Además, empleamos dos estrategias, a saber, aumento de datos y concatenación de resúmenes y estados para mejorar la efectividad del entrenamiento del modelo. Los resultados experimentales demuestran que FaS-DST supera a los modelos de última generación en ambos conjuntos de datos MultiWOZ 2.0 y MultiWOZ 2.1 en configuraciones de pocas muestras.