論文の概要: Automated Utterance Generation
- arxiv url: http://arxiv.org/abs/2004.03484v2
- Date: Wed, 8 Apr 2020 01:27:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 22:25:39.735844
- Title: Automated Utterance Generation
- Title（参考訳）: 自動発話生成
- Authors: Soham Parikh, Quaizar Vohra, Mitul Tiwari
- Abstract要約: 質問応答の特徴として関連する発話を用いることで、会話アシスタントによる正しい回答を検索するための精度とリコールが向上することが示されている。
本稿では,1)抽出要約を用いて記述から重要な文を抽出し,2)複数のパラフレーズを用いてタイトルと要約文の多種多様なパラフレーズを生成し,3)新しい候補選択アルゴリズムの助けを借りて優れた候補パラフレーズを選択する発話生成システムを提案する。
- 参考スコア（独自算出の注目度）: 5.220940151628735
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conversational AI assistants are becoming popular and question-answering is
an important part of any conversational assistant. Using relevant utterances as
features in question-answering has shown to improve both the precision and
recall for retrieving the right answer by a conversational assistant. Hence,
utterance generation has become an important problem with the goal of
generating relevant utterances (sentences or phrases) from a knowledge base
article that consists of a title and a description. However, generating good
utterances usually requires a lot of manual effort, creating the need for an
automated utterance generation. In this paper, we propose an utterance
generation system which 1) uses extractive summarization to extract important
sentences from the description, 2) uses multiple paraphrasing techniques to
generate a diverse set of paraphrases of the title and summary sentences, and
3) selects good candidate paraphrases with the help of a novel candidate
selection algorithm.
- Abstract（参考訳）: 会話型AIアシスタントは普及しており、質問応答は会話型アシスタントの重要な部分である。
質問応答の特徴として関連する発話を用いることで、会話アシスタントによる正しい回答を検索するための精度とリコールが向上することが示されている。
したがって、タイトルと説明からなる知識ベース記事から関連する発話(意味や句)を生成するという目的において、発話生成は重要な問題となっている。
しかし、良い発話を生成するには、通常多くの手作業が必要であり、自動発話生成の必要性が生じます。
本稿では,発話生成システムを提案する。
1)説明から重要文を抽出するために抽出要約を用いる。
2)複数のパラフレーズ技術を用いてタイトルと要約文の多様なパラフレーズセットを生成し,
3)新しい候補選択アルゴリズムの助けを借りて,優れた候補パラフレーズを選択する。
関連論文リスト
- Automated Generation of Multiple-Choice Cloze Questions for Assessing
English Vocabulary Using GPT-turbo 3.5 [5.525336037820985]
大規模言語モデル(LLM)を用いた複数質問の自動生成手法の評価を行った。
VocaTTエンジンはPythonで記述されており、ターゲット単語リストの事前処理、文と候補単語オプションの生成、最後に適切な単語オプションの選択という3つの基本的なステップで構成されている。
その結果、文が75%、単語が66.85%であることがわかった。
論文 参考訳（メタデータ） (2024-03-04T14:24:47Z) - Improve Retrieval-based Dialogue System via Syntax-Informed Attention [46.79601705850277]
文内構文情報と文間構文情報の両方を考慮したSIA, Syntax-Informed Attentionを提案する。
提案手法を広範に使用した3つのベンチマークで評価し,対話応答選択における本手法の一般的な優位性を示す実験結果を得た。
論文 参考訳（メタデータ） (2023-03-12T08:14:16Z) - Question-Interlocutor Scope Realized Graph Modeling over Key Utterances
for Dialogue Reading Comprehension [61.55950233402972]
本稿では,対話読解のためのキーワード抽出手法を提案する。
複数の連続した発話によって形成された単位に対して予測を行い、より多くの回答を含む発話を実現する。
発話のテキスト上に構築されたグラフとして,質問-対話者スコープ実現グラフ(QuISG)モデルを提案する。
論文 参考訳（メタデータ） (2022-10-26T04:00:42Z) - 'John ate 5 apples' != 'John ate some apples': Self-Supervised
Paraphrase Quality Detection for Algebraic Word Problems [5.682665111938764]
本稿では,代数的単語問題(AWP)のための新しいパラフレーズ作成タスクについて紹介する。
本稿では,新しいデータ拡張を用いた自己教師付きパラフレーズ品質検出手法であるParaQDを提案する。
提案手法は,既存の最先端の自己監督手法を最大32%向上させると同時に,印象的なゼロショット性能を誇示する。
論文 参考訳（メタデータ） (2022-06-16T16:01:59Z) - Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。
現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。
グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
論文 参考訳（メタデータ） (2021-10-15T14:36:45Z) - Towards Document-Level Paraphrase Generation with Sentence Rewriting and
Reordering [88.08581016329398]
文書レベルのパラフレーズ生成のためのCoRPG(Coherence Relation Guided Paraphrase Generation)を提案する。
グラフGRUを用いて、コヒーレンス関係グラフを符号化し、各文のコヒーレンス対応表現を得る。
我々のモデルは、より多様性とセマンティックな保存を伴う文書パラフレーズを生成することができる。
論文 参考訳（メタデータ） (2021-09-15T05:53:40Z) - An Automated Multiple-Choice Question Generation Using Natural Language
Processing Techniques [0.913755431537592]
コンピュータベーステスト試験 (CBTE) のための自動複数選択質問生成 (MCQG) のための NLP ベースのシステムを提案する。
我々は,nlp手法を用いて,学習教材中の重要な単語を抽出した。
システムが逆でないことを検証するために、5つの教材を用いてシステムの有効性と効率を確認した。
論文 参考訳（メタデータ） (2021-03-26T22:39:59Z) - Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and
Context-Aware Auto-Encoders [59.038157066874255]
本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。
RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。
消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
論文 参考訳（メタデータ） (2020-12-14T07:31:17Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳（メタデータ） (2020-05-05T14:30:20Z) - Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。
本研究は,複数回対話を行う対話型MRCに焦点を当てている。
それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
論文 参考訳（メタデータ） (2020-04-29T07:04:43Z)
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。