任務型導向對話(TOD)系統面臨著語料收集、標記和模型架構及訓練等挑戰。過去使用Wizard-of-Oz (WOZ)方法進行語料蒐集,透過人與人互動標記以訊息傳遞為主的對話語料。然而,使用WOZ方法時需要同時產生自然語言對話及標記對話中提及的槽值,這會影響整體資料集品質且難以迅速建立對話語料。本研究提出專注於訊息傳遞的messageSGD語料集,利用Schema-Guided Dialogue (SGD)產出對話的框架,再由標記人員進行改寫,加速語料庫的生成。另外我們也使用T5模型和Instruction Prompt建置NLU、DST、DPL、NLG四個任務模型,分別達到91.36、80.08、70.54及78.18的F1-Score。透過本研究,我們能夠以較少資源快速建立對話系統,並期望提供額外的對話系統建置方法。 |