論文の概要: Dynamic Knowledge Routing Network For Target-Guided Open-Domain Conversation

• arxiv url: http://arxiv.org/abs/2002.01196v2
• Date: Fri, 6 Mar 2020 09:44:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 03:09:57.110320
• Title: Dynamic Knowledge Routing Network For Target-Guided Open-Domain Conversation
• Title（参考訳）: ターゲットガイド型オープンドメイン会話のための動的知識ルーティングネットワーク
• Authors: Jinghui Qin, Zheng Ye, Jianheng Tang, Xiaodan Liang
• Abstract要約: 本稿では,粗いキーワードを導入することで,システム応答の意図した内容を制御する構造的アプローチを提案する。 また,対話を円滑な目標達成に導くために,より高い成功率で対話を誘導する新たな二重談話レベルの目標誘導戦略を提案する。
• 参考スコア（独自算出の注目度）: 79.7781436501706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Target-guided open-domain conversation aims to proactively and naturally guide a dialogue agent or human to achieve specific goals, topics or keywords during open-ended conversations. Existing methods mainly rely on single-turn datadriven learning and simple target-guided strategy without considering semantic or factual knowledge relations among candidate topics/keywords. This results in poor transition smoothness and low success rate. In this work, we adopt a structured approach that controls the intended content of system responses by introducing coarse-grained keywords, attains smooth conversation transition through turn-level supervised learning and knowledge relations between candidate keywords, and drives an conversation towards an specified target with discourse-level guiding strategy. Specially, we propose a novel dynamic knowledge routing network (DKRN) which considers semantic knowledge relations among candidate keywords for accurate next topic prediction of next discourse. With the help of more accurate keyword prediction, our keyword-augmented response retrieval module can achieve better retrieval performance and more meaningful conversations. Besides, we also propose a novel dual discourse-level target-guided strategy to guide conversations to reach their goals smoothly with higher success rate. Furthermore, to push the research boundary of target-guided open-domain conversation to match real-world scenarios better, we introduce a new large-scale Chinese target-guided open-domain conversation dataset (more than 900K conversations) crawled from Sina Weibo. Quantitative and human evaluations show our method can produce meaningful and effective target-guided conversations, significantly improving over other state-of-the-art methods by more than 20% in success rate and more than 0.6 in average smoothness score.
• Abstract（参考訳）: ターゲットガイドによるオープンドメイン会話は、対話エージェントや人間を積極的に自然に誘導し、オープンな会話中に特定の目標、トピック、キーワードを達成することを目的としている。 既存の手法は主に、候補トピック/キーワード間の意味的・事実的知識関係を考慮せずに、シングルターンデータ駆動学習と単純な目標指示戦略に依存する。 その結果、移行のスムーズさが低下し、成功率が低下する。 本研究では,粗いキーワードを導入してシステム応答の意図した内容を制御する構造的アプローチを採用し,ターンレベルの教師付き学習と候補キーワード間の知識関係を通じてスムーズな会話遷移を実現し,談話レベルの指導戦略で特定のターゲットに向かって会話を行う。 具体的には,次の話題を正確に予測するための候補キーワード間の意味的知識関係を考慮した動的知識ルーティングネットワーク(DKRN)を提案する。 より正確なキーワード予測の助けを借りて、キーワード提示応答検索モジュールは、検索性能とより有意義な会話を実現することができる。 さらに,対話を誘導し,高い成功率でスムーズに目標を達成するための,対話レベルの目標誘導戦略を提案する。 さらに,ターゲットガイド付きオープンドメイン会話の研究境界を現実のシナリオに合致させるため,sina weiboからクロールされた,中国のターゲットガイド型オープンドメイン会話データセット(900万以上の会話)を新たに導入する。 定量的および人的評価から,本手法は有意義で効果的な目標誘導型会話を生成でき,成功率20%以上,平均滑らか度スコア0.6以上で,他の最先端手法よりも有意に改善されている。

関連論文リスト

• Zero-Shot Goal-Directed Dialogue via RL on Imagined Conversations [70.7884839812069]
  大規模言語モデル(LLM)は、多くの自然言語タスクに対する強力で一般的な解決策として登場した。 しかしながら、言語生成の最も重要なアプリケーションの多くは対話的であり、エージェントは望ましい結果に達するために相手と話し合わなければならない。 本研究では,そのような目標指向対話に対して,RLでLLMを適応させる新しい手法について検討する。
  論文  参考訳（メタデータ） (2023-11-09T18:45:16Z)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
  本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。 私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。 実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-01-10T13:18:25Z)
• Target-Guided Dialogue Response Generation Using Commonsense and Data Augmentation [32.764356638437214]
  ターゲット誘導応答生成のための新しい手法を提案する。 また,既存の対話データセットをターゲット誘導生成のために再利用する手法を提案する。 我々の作業は、一般的に、対話システムの設計者が、システムが生み出す会話をより制御できるようにします。
  論文  参考訳（メタデータ） (2022-05-19T04:01:40Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• DialogueCSE: Dialogue-based Contrastive Learning of Sentence Embeddings [33.89889949577356]
  本稿では,対話型コントラスト学習手法であるDialogueCSEを提案する。 我々は,Microsoft Dialogue Corpus,Jing Dong Dialogue Corpus,E-Commerce Dialogue Corpusの3つの多ターン対話データセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-09-26T13:25:41Z)
• Keyword-Guided Neural Conversational Model [40.75894394914768]
  キーワード遷移と応答検索の両方に外部共通知識グラフ(CKG)を利用できるキーワード誘導型ニューラルネットワークモデルを提案する。 本モデルでは,スムースなキーワード遷移による応答を生成し,競合ベースラインよりも高速にターゲットキーワードに到達する。
  論文  参考訳（メタデータ） (2020-12-15T15:55:32Z)
• Discourse Coherence, Reference Grounding and Goal Oriented Dialogue [15.766916122461922]
  我々は、混合開始型人間-コンピュータの参照通信を実現するための新しいアプローチについて論じる。 本稿では,談話間の制約を蓄積し,学習確率モデルを用いて解釈する参照通信領域における単純な対話システムについて述べる。
  論文  参考訳（メタデータ） (2020-07-08T20:53:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。