FLV2GR对话状态跟踪模型

槽更新全局推理

结合局部验证与全局推理，利用图神经网络建模槽位依赖，实现更精准的对话状态跟踪。

Bing, Qian · Guo, Jinyu · Qiwei, Wang · 双锴

Knowledge-Based Systems 2025

技术优势

捕捉伴随更新

通过图神经网络建模槽位间依赖，即使当前轮次没有明确信号，也能识别需要同时更新的相关槽位。

局部与全局结合

同时验证当前对话细节并推理历史对话数据，提升槽更新选择的精度。

刷新三个基准

在MultiWOZ 2.1、2.2、2.4上均达到新的最优性能。

应用场景

• 对话式AI助手：提升助手对用户意图的追踪准确度，减少对话中的误解和重复询问。
• 任务型对话系统：更精准地维护任务状态，确保系统正确执行用户指令（如预订、查询）。
• 多轮对话管理：在多轮交互中捕捉槽位间的历史关联，实现连贯的对话管理。