近日，我中心自然语言处理研究组一篇论文被IEEE/ACM Transactions on Audio, Speech and Language Processing（T-ASLP）期刊录用。T-ASLP期刊是是音频、声学、语言信号处理的顶级期刊，在CCF学术推荐列表中认定为B类刊物，清华计算机学术推荐列表中认定为A类刊物。录用文章题目为Domain Adaptive Meta-learning for Dialogue State Tracking，由我中心2020届硕士研究生曾嘉莉，2020届硕士研究生尹永竞，清华大学刘洋教授，伊利诺伊大学厄巴纳-香槟分校葛育彬博士，我中心苏劲松教授（通讯作者）合作完成。
论文研究提出了一种面向低资源领域自适应的元学习算法框架以解决多领域对话状态追踪任务中某些领域的训练数据较少的情况。该框架分为基础对话状态追踪模型和领域参数建模器两个部分。训练分为两个阶段，第一阶段，领域参数建模器根据领域表示向量将领域共享对话状态追踪模型的参数在参数空间中进行偏移，第二阶段，领域共享对话状态追踪模型在目标领域的训练集上进行微调。论文以TRADE模型为基础，在五个低资源领域的对话状态追踪任务上都有不错表现。
该工作得到了国家自然科学基金（No. 62036004, No. 61672440）、福建省自然科学杰出青年基金（No.2020J06001）、厦门青年创新基金（Grant No. 3502Z20206059）等的资助。
