Kontextspårning

Kontextspårning är en process inom informationsbehandling som syftar till att bevara och utnyttja sammanhang från tidigare data för att förbättra tolkning och beslutsfattande. Inom AI och NLP innebär det att hålla reda på entiteter, intentioner och mål i ett samtal eller flöde av händelser.

I dialogsystem används kontextspårning för att upprätthålla dialogtillstånd, känna igen referenser och säkerställa att användarens önskemål uppfylls över flera turer.

Metoderna spänner från regelbaserade och statistiska till djupinlärning, där minnesbaserade modeller, RNN/LSTM och Transformer-arkitekturer med uppmärksamhet fångar långsiktiga beroenden. Inom NLP används även referenslösning (co-reference) och diskursbaserad spårning för att koppla samman uttalanden över meningar. Dialogtillståndsspårning är ett centralt område där målet är att uppskatta och uppdatera användarens avsikter och tillhörande data (slots) som systemet bör följa.

Utmaningar inkluderar långsiktiga beroenden, delvis observation av användardata, språk- och domänvariationer samt att skydda användarens integritet när kontextuppgifter samlas in. Datakvalitet och etisk hantering av kontextdata är också viktiga frågor.

Utvärdering mäter hur väl systemet behåller och utnyttjar kontexten för att nå mål i samtalet. Vanliga mått inkluderar noggrannhet i intentioner och slots samt korrekt uppdatering av dialogtillståndet. Dataset som MultiWOZ används ofta i forskning.