Dialogue State Tracking (DST) con IA: De la Teoría a la Práctica - Model MultiTask BERT
No Thumbnail Available
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Este video presenta una investigación innovadora sobre Dialogue State Tracking (DST) utilizando modelos de lenguaje avanzados. El trabajo desarrolla un modelo BERT multitarea para seguimiento del estado del diálogo guiado por esquemas, que integra en una única arquitectura las tareas de predicción de intención, identificación de espacios solicitados y completado de valores. Esta aproximación mejora significativamente sobre enfoques tradicionales que requieren múltiples modelos separados. La metodología incluye una revisión sistemática de literatura basada en artículos científicos de Web of Science y Scopus, seguida por el diseño e implementación del modelo. Se presenta el pipeline completo: preparación del entorno, preprocesamiento de datos, entrenamiento con el conjunto de datos Schema Guided Dialog (SGD) que contiene 21,106 diálogos sobre 20 dominios y 45 servicios, evaluación mediante métricas como precisión de intención activa (Active Intent Accuracy) y precisión de objetivo conjunto (Joint Goal Accuracy), y comparación con modelos baseline. Los resultados demuestran que nuestra implementación supera al sistema SGP-DST, manteniendo alta eficiencia computacional y capacidad para generalizar a nuevos dominios sin reentrenamiento. Las tecnologías empleadas incluyen PyTorch, TensorFlow y Google Colab Transformers. Dirigido por Oscar David Hospinal Roman como Project Leader, este trabajo representa un avance significativo en la interacción humano-máquina y la comprensión del lenguaje natural aplicada a escenarios como reservas de restaurantes y compras de boletos.