Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules

Autores
Altszyler Lemcovich, Edgar Jaim; Brusco, Pablo; Basiou, Nikoletta; Byrnes, John; Vergyri, Dimitra
Año de publicación
2020
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
In this work, we present a framework for incorporating descriptive logical rules in state-of-the-art neural networks, enabling them to learn how to handle unseen labels without the introduction of any new training data. The rules are integrated into existing networks without modifying their architecture, through an additional term in the network’s loss function that penalizes states of the network that do not obey the designed rules.As a case of study, the framework is applied to an existing neuralbased Dialog State Tracker. Our experiments demonstrate that the inclusion of logical rules allows the prediction of unseen labels, without deteriorating the predictive capacity of the original system.
Fil: Altszyler Lemcovich, Edgar Jaim. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina
Fil: Brusco, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina
Fil: Basiou, Nikoletta. Sri International; Estados Unidos
Fil: Byrnes, John. Sri International; Estados Unidos
Fil: Vergyri, Dimitra. Sri International; Estados Unidos
Materia
ZERO-SHOT LEARNING
DIFFERENTIABLE LOGIC
NEURAL NETWORKS
DIALOG SYSTEMS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/142699
Acceder
id CONICETDig_bbc7f4ec01ed137692a226456c68a3ec
oai_identifier_str oai:ri.conicet.gov.ar:11336/142699
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Zero-shot Multi-Domain Dialog State Tracking Using Descriptive RulesAltszyler Lemcovich, Edgar JaimBrusco, PabloBasiou, NikolettaByrnes, JohnVergyri, DimitraZERO-SHOT LEARNINGDIFFERENTIABLE LOGICNEURAL NETWORKSDIALOG SYSTEMShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1In this work, we present a framework for incorporating descriptive logical rules in state-of-the-art neural networks, enabling them to learn how to handle unseen labels without the introduction of any new training data. The rules are integrated into existing networks without modifying their architecture, through an additional term in the network’s loss function that penalizes states of the network that do not obey the designed rules.As a case of study, the framework is applied to an existing neuralbased Dialog State Tracker. Our experiments demonstrate that the inclusion of logical rules allows the prediction of unseen labels, without deteriorating the predictive capacity of the original system.Fil: Altszyler Lemcovich, Edgar Jaim. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; ArgentinaFil: Brusco, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; ArgentinaFil: Basiou, Nikoletta. Sri International; Estados UnidosFil: Byrnes, John. Sri International; Estados UnidosFil: Vergyri, Dimitra. Sri International; Estados UnidosCornell University2020-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/142699Altszyler Lemcovich, Edgar Jaim; Brusco, Pablo; Basiou, Nikoletta; Byrnes, John; Vergyri, Dimitra; Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules; Cornell University; ArXiv; 2020; 9-2020; 1-42331-8422CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://arxiv.org/abs/2009.13275info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-10-22T11:41:18Zoai:ri.conicet.gov.ar:11336/142699instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-10-22 11:41:18.758CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
title Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
spellingShingle Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
Altszyler Lemcovich, Edgar Jaim
ZERO-SHOT LEARNING
DIFFERENTIABLE LOGIC
NEURAL NETWORKS
DIALOG SYSTEMS
title_short Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
title_full Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
title_fullStr Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
title_full_unstemmed Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
title_sort Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules
dc.creator.none.fl_str_mv Altszyler Lemcovich, Edgar Jaim
Brusco, Pablo
Basiou, Nikoletta
Byrnes, John
Vergyri, Dimitra
author Altszyler Lemcovich, Edgar Jaim
author_facet Altszyler Lemcovich, Edgar Jaim
Brusco, Pablo
Basiou, Nikoletta
Byrnes, John
Vergyri, Dimitra
author_role author
author2 Brusco, Pablo
Basiou, Nikoletta
Byrnes, John
Vergyri, Dimitra
author2_role author
author
author
author
dc.subject.none.fl_str_mv ZERO-SHOT LEARNING
DIFFERENTIABLE LOGIC
NEURAL NETWORKS
DIALOG SYSTEMS
topic ZERO-SHOT LEARNING
DIFFERENTIABLE LOGIC
NEURAL NETWORKS
DIALOG SYSTEMS
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv In this work, we present a framework for incorporating descriptive logical rules in state-of-the-art neural networks, enabling them to learn how to handle unseen labels without the introduction of any new training data. The rules are integrated into existing networks without modifying their architecture, through an additional term in the network’s loss function that penalizes states of the network that do not obey the designed rules.As a case of study, the framework is applied to an existing neuralbased Dialog State Tracker. Our experiments demonstrate that the inclusion of logical rules allows the prediction of unseen labels, without deteriorating the predictive capacity of the original system.
Fil: Altszyler Lemcovich, Edgar Jaim. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina
Fil: Brusco, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina
Fil: Basiou, Nikoletta. Sri International; Estados Unidos
Fil: Byrnes, John. Sri International; Estados Unidos
Fil: Vergyri, Dimitra. Sri International; Estados Unidos
description In this work, we present a framework for incorporating descriptive logical rules in state-of-the-art neural networks, enabling them to learn how to handle unseen labels without the introduction of any new training data. The rules are integrated into existing networks without modifying their architecture, through an additional term in the network’s loss function that penalizes states of the network that do not obey the designed rules.As a case of study, the framework is applied to an existing neuralbased Dialog State Tracker. Our experiments demonstrate that the inclusion of logical rules allows the prediction of unseen labels, without deteriorating the predictive capacity of the original system.
publishDate 2020
dc.date.none.fl_str_mv 2020-09
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/142699
Altszyler Lemcovich, Edgar Jaim; Brusco, Pablo; Basiou, Nikoletta; Byrnes, John; Vergyri, Dimitra; Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules; Cornell University; ArXiv; 2020; 9-2020; 1-4
2331-8422
CONICET Digital
CONICET
url http://hdl.handle.net/11336/142699
identifier_str_mv Altszyler Lemcovich, Edgar Jaim; Brusco, Pablo; Basiou, Nikoletta; Byrnes, John; Vergyri, Dimitra; Zero-shot Multi-Domain Dialog State Tracking Using Descriptive Rules; Cornell University; ArXiv; 2020; 9-2020; 1-4
2331-8422
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://arxiv.org/abs/2009.13275
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Cornell University
publisher.none.fl_str_mv Cornell University
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1846782091569659904
score 12.982451

Publicaciones similares