解决问题：
新的slot作为数据库搜索参数；领域迁移难、学习更快
背景：
-
置信状态
bg是置信对话状态中与语义槽无关的部分，bi是置信状态中与第 i 个语义槽相关的部分。 -
可能的动作集合为A
Ag是可能的对话动作中与语义槽无关的动作的集合，Ai是可能的动作中与第 i 个语义槽相关的对话动作的结合。 -
DSTC数据集：
每个分为label和log；
label：直接是json形式：
槽已经处理好了。
创新点：
-
多智能体对话策略
本文根据是否和语义槽相关的置信状态和动作状态，提出了类似原理的多agent训练。
有一个agent是和状态无关的，其他的都相关。然后 agent之间共享参数，我觉得像是增加了参数。
这里面Hs，Cs,Gs对于所有的Agent都是一样的。 -
作者又提出了一种，共享－私有加权网络
也就是多出一个参数，
右边的s网络是原来的共享参数的网络，左边的j网络是加上的私有参数的网络。两者用权重连接。 -
训练过程
步骤一：在原有领域中训练 MADQN；
步骤二：当领域扩展时，为每个新增的语义槽添加一个对应的 S-Agent;
步骤三：如果 MADQN 是 MADQN_S，即 S-Agent 没有私有参数，则新增加的 S-Agent 直接使用共享参数；
如果 MADQN 是 MADQN_SP，即 S-Agent 除了共享参数还有私有参数，则新增加的 S-Agent 的共享参数直接使用之前其它 S-Agent 的共享参数，而私有参数用共享参数加上很小的噪音进行初始化；
步骤四：在扩展后的领域继续训练 MADQN。
所以说新来的S-Agent是和语音槽挂钩的，一个语音槽一个Agent
实验结果：
在单个domain的时候也训练的更快（因为agent分为了slot-dependent和slot-independent）