Key points are not available for this paper at this time.
نقدم Span-ConveRT، نموذج خفيف الوزن لملء الحقول في المحادثات، والذي يحدد المهمة باعتبارها مهمة استخراج أجزاء مبنية على الأدوار. يسمح هذا الصياغة بدمج بسيط للمعرفة المحادثية المشفرة في نماذج المحادثة الكبيرة المدربة مسبقًا مثل Con-veRT (Henderson et al., 2019a). نوضح أن الاستفادة من هذه المعرفة في Span-ConveRT مفيدة بشكل خاص لسيناريوهات التعلم القليلة: نحن نبلغ عن مكاسب ثابتة مقارنةً بـ 1) مستخرج قطع يتدرب على تمثيلات من الصفر في مجال الهدف، و 2) مستخرج قطع يعتمد على BERT. من أجل إلهام المزيد من العمل على استخراج الأجزاء لمهمة ملء الحقائب، نطلق أيضًا بيانات RESTAURANTS-8K، وهي مجموعة بيانات جديدة وصعبة تتكون من 8,198 تعبيرًا، تم تجميعها من محادثات فعلية في مجال حجز المطاعم.
درس Coope et al. (الأربعاء) هذا السؤال.