論文の概要: A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation

• arxiv url: http://arxiv.org/abs/2002.02153v1
• Date: Thu, 6 Feb 2020 08:24:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 09:35:04.404861
• Title: A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation
• Title（参考訳）: 非構造化ペルソナ指向対話生成のためのニューラルトピック拡張フレームワーク
• Authors: Minghong Xu, Piji Li, Haoran Yang, Pengjie Ren, Zhaochun Ren, Zhumin Chen, Jun Ma
• Abstract要約: Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 52.743311026230714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unstructured Persona-oriented Dialogue Systems (UPDS) has been demonstrated effective in generating persona consistent responses by utilizing predefined natural language user persona descriptions (e.g., "I am a vegan"). However, the predefined user persona descriptions are usually short and limited to only a few descriptive words, which makes it hard to correlate them with the dialogues. As a result, existing methods either fail to use the persona description or use them improperly when generating persona consistent responses. To address this, we propose a neural topical expansion framework, namely Persona Exploration and Exploitation (PEE), which is able to extend the predefined user persona description with semantically correlated content before utilizing them to generate dialogue responses. PEE consists of two main modules: persona exploration and persona exploitation. The former learns to extend the predefined user persona description by mining and correlating with existing dialogue corpus using a variational auto-encoder (VAE) based topic model. The latter learns to generate persona consistent responses by utilizing the predefined and extended user persona description. In order to make persona exploitation learn to utilize user persona description more properly, we also introduce two persona-oriented loss functions: Persona-oriented Matching (P-Match) loss and Persona-oriented Bag-of-Words (P-BoWs) loss which respectively supervise persona selection in encoder and decoder. Experimental results show that our approach outperforms state-of-the-art baselines, in terms of both automatic and human evaluations.
• Abstract（参考訳）: 非構造化ペルソナ指向対話システム(UPDS)は、予め定義された自然言語ユーザペルソナ記述("I am a vegan")を利用してペルソナ一貫した応答を生成するのに有効である。 しかし、事前に定義されたユーザペルソナ記述は通常短く、一部の記述語に限られているため、対話との相関が難しい。 その結果、既存のメソッドはペルソナ記述を使用しないか、ペルソナに一貫した応答を生成する際に不適切に使用するかのどちらかになる。 そこで本研究では,事前に定義したユーザペルソナ記述を意味的に関連付けたコンテンツに拡張し,対話応答を生成するニューラルネットワークであるペルソナ探索・エクスプロイジョン(pee)を提案する。 PEEは2つの主要なモジュールで構成されている。 前者は、可変オートエンコーダ(VAE)ベースのトピックモデルを用いて、既存の対話コーパスをマイニングし、関連づけることで、予め定義されたユーザペルソナ記述を拡張することを学ぶ。 後者は、予め定義された拡張されたユーザペルソナ記述を利用して、ペルソナ一貫した応答を生成する。 また、ペルソナ指向マッチング(p-match)損失とペルソナ指向のbag-of-words(p-bows)損失という2つのパーソナ指向損失関数を導入し、それぞれエンコーダとデコーダにおけるペルソナ選択を監督する。 実験の結果,本手法は自動評価と人間評価の両方において最先端のベースラインよりも優れていることがわかった。

関連論文リスト

• Personalized Language Modeling from Personalized Human Feedback [49.344833339240566]
  人間のフィードバックからの強化学習(Reinforcement Learning from Human Feedback, RLHF)は、人間の好みに合わせて大きな言語モデルを微調整するために一般的に用いられる。 本研究では,パーソナライズされた言語モデルを構築する手法を開発することにより,この問題に対処することを目的とする。
  論文  参考訳（メタデータ） (2024-02-06T04:18:58Z)
• Interpreting User Requests in the Context of Natural Language Standing Instructions [89.12540932734476]
  我々は17のドメインにまたがる2.4K以上の対話からなる言語とプログラムのデータセットであるNLSIを開発した。 NLSIの鍵となる課題は、ある対話に適用可能なスタンディング命令のサブセットを特定することである。
  論文  参考訳（メタデータ） (2023-11-16T11:19:26Z)
• Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona Biases in Dialogue Systems [103.416202777731]
  我々は、対話モデルが採用するペルソナに付随する有害な行動の感度であると定義する「ペルソナバイアス」について検討する。 我々は,人格バイアスを有害な表現と有害な合意のバイアスに分類し,攻撃性,有害継続性,関連性,ステレオタイプ合意,および有害合意の5つの側面において,人格バイアスを測定する包括的な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2023-10-08T21:03:18Z)
• Improving Personality Consistency in Conversation by Persona Extending [22.124187337032946]
  本稿では,Persona Retrieval Model(PRM)とPosterior-Scored Transformer(PS-Transformer)の2つのサブコンポーネントからなる新しい検索・予測パラダイムを提案する。 提案モデルでは,自動測定と人的評価の両面で大幅に改善されている。
  論文  参考訳（メタデータ） (2022-08-23T09:00:58Z)
• Towards Building a Personalized Dialogue Generator via Implicit User Persona Detection [0.0]
  高品質なトランスミッションは基本的に、相手のペルソナを反映して構築されていると考えています。 そこで本研究では,暗黙のユーザペルソナを検知する対話生成手法を提案する。
  論文  参考訳（メタデータ） (2022-04-15T08:12:10Z)
• Learning to Predict Persona Information forDialogue Personalization without Explicit Persona Description [10.17868476063421]
  対話エージェントをパーソナライズするために,対話履歴に基づいてペルソナ情報を予測する方法を提案する。 PersonaChatデータセットの実験結果から,提案手法は生成した応答の一貫性を向上させることができることがわかった。 トレーニングされたペルソナ予測モデルは、他のデータセットにうまく転送することができ、より関連するレスポンスを生成するのに役立つ。
  論文  参考訳（メタデータ） (2021-11-30T03:19:24Z)
• One Chatbot Per Person: Creating Personalized Chatbots based on Implicit User Profiles [31.432585994256375]
  既存のパーソナライズされたアプローチは、いくつかのテキスト記述を明示的なユーザプロファイルとして組み込もうとした。 我々は、ユーザの履歴応答から一般ユーザプロファイルを構築するために、パーソナライズされた言語モデルを訓練する。 我々は、汎用語彙から単語を生成し、ユーザのパーソナライズされた語彙から1単語をコピーする2つのデコード戦略を融合するパーソナライズされたデコーダを設計する。
  論文  参考訳（メタデータ） (2021-08-20T20:33:12Z)
• Bilateral Personalized Dialogue Generation with Dynamic Persona-Aware Fusion [3.5433229509828155]
  マルチタスク・トランスファー・ラーニングによる動的ペルソナ・アウェア・フュージョンを用いた双方向対話生成手法を提案する。 実験の結果,提案手法は自動評価と手動評価の両面で,いくつかの最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-06-15T03:21:19Z)
• Partner Matters! An Empirical Study on Fusing Personas for Personalized Response Selection in Retrieval-Based Chatbots [51.091235903442715]
  本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。 4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。 Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
  論文  参考訳（メタデータ） (2021-05-19T10:32:30Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)

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。