論文の概要: Knowledge-graph based Proactive Dialogue Generation with Improved Meta-Learning

• arxiv url: http://arxiv.org/abs/2004.08798v1
• Date: Sun, 19 Apr 2020 08:41:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 00:13:56.043395
• Title: Knowledge-graph based Proactive Dialogue Generation with Improved Meta-Learning
• Title（参考訳）: メタラーニングを改良した知識グラフに基づく韻律対話生成
• Authors: Hongcai Xu, Junpeng Bao, Junqing Wang
• Abstract要約: 本稿では,知識グラフに基づく3つのコンポーネントを用いたプロアクティブ対話生成モデル(KgDg)を提案する。 知識三重項の埋め込みと選択については、文の埋め込みの問題として定式化し、意味情報をよりよく捉える。 改良されたMAMLアルゴリズムは,限られた知識グラフから一般的な特徴を学習することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graph-based dialogue systems can narrow down knowledge candidates for generating informative and diverse responses with the use of prior information, e.g., triple attributes or graph paths. However, most current knowledge graph (KG) cover incomplete domain-specific knowledge. To overcome this drawback, we propose a knowledge graph based proactive dialogue generation model (KgDg) with three components, improved model-agnostic meta-learning algorithm (MAML), knowledge selection in knowledge triplets embedding, and knowledge aware proactive response generator. For knowledge triplets embedding and selection, we formulate it as a problem of sentence embedding to better capture semantic information. Our improved MAML algorithm is capable of learning general features from a limited number of knowledge graphs, which can also quickly adapt to dialogue generation with unseen knowledge triplets. Extensive experiments are conducted on a knowledge aware dialogue dataset (DuConv). The results show that KgDg adapts both fast and well to knowledge graph-based dialogue generation and outperforms state-of-the-art baseline.
• Abstract（参考訳）: 知識グラフに基づく対話システムは、三重属性やグラフパスといった事前情報を用いて情報的かつ多様な応答を生成するための知識候補を絞り込むことができる。 しかし、現在の知識グラフ(KG)のほとんどは、不完全なドメイン固有の知識をカバーしている。 この欠点を克服するために,モデル非依存型メタラーニングアルゴリズム(maml)の改良,知識三重項埋め込みにおける知識選択,知識認識型プロアクティブ応答生成器の3つのコンポーネントを用いた知識グラフに基づくプロアクティブ対話生成モデル(kgdg)を提案する。 知識三重項埋め込みと選択については、文埋め込みの問題として定式化し、意味情報を取り込む。 改良されたMAMLアルゴリズムは,限られた知識グラフから一般特徴を学習し,未知の知識三重項を用いた対話生成を迅速に行うことができる。 知識を意識した対話データセット(DuConv)で大規模な実験を行う。 その結果、kgdgは知識グラフに基づく対話生成に高速かつ良好に適応し、最先端のベースラインを上回ることがわかった。

関連論文リスト

• Generative Subgraph Retrieval for Knowledge Graph-Grounded Dialog Generation [17.437568540883106]
  ダイアログGSR(Generative Subgraph Retrieval)を用いたダイアログ生成を提案する。 DialogGSRは、言語モデル上にトークンシーケンスを直接生成することで、関連する知識サブグラフを取得する。 OpenDialKGとKOMODISデータセットで示されるように、知識グラフ基底ダイアログ生成における最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-10-12T03:33:42Z)
• Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
  本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。 KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。 KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-12-18T06:41:23Z)
• Knowledge Graph-Augmented Language Models for Knowledge-Grounded Dialogue Generation [58.65698688443091]
  我々は、知識グラフ(KGs)を用いた文脈関連および知識基底対話を生成するためのフレームワークであるSUbgraph Retrieval-augmented GEneration (SURGE)を提案する。 我々のフレームワークはまずKGから関連するサブグラフを取得し、その後、検索したサブグラフによって条件付けられた単語の埋め込みを摂動することで、事実間の一貫性を強制する。 我々は,OpendialKGとKOMODISデータセットのSURGEフレームワークを検証し,KGの知識を忠実に反映した高品質な対話を生成することを示す。
  論文  参考訳（メタデータ） (2023-05-30T08:36:45Z)
• Joint Language Semantic and Structure Embedding for Knowledge Graph Completion [66.15933600765835]
  本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。 本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。 各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
  論文  参考訳（メタデータ） (2022-09-19T02:41:02Z)
• Enhanced Knowledge Selection for Grounded Dialogues via Document Semantic Graphs [123.50636090341236]
  本稿では,背景知識文書を自動的に文書意味グラフに変換することを提案する。 文書意味グラフは文ノードを用いて文レベル情報を保存し,文間の概念接続を提供する。 本実験により,HolEにおける知識選択タスクとエンドツーエンド応答生成タスクの双方において,意味グラフに基づく知識選択が文選択ベースラインよりも改善されることが示されている。
  論文  参考訳（メタデータ） (2022-06-15T04:51:32Z)
• Building Knowledge-Grounded Dialogue Systems with Graph-Based Semantic Modeling [43.0554223015728]
  知識基盤対話タスクは、与えられた知識文書から情報を伝える応答を生成することを目的としている。 対話と知識の両方のセマンティック構造をモデル化する新しいグラフ構造であるグラウンドドグラフを提案する。 また,知識接地応答生成を向上するグラウンドドグラフ認識変換器を提案する。
  論文  参考訳（メタデータ） (2022-04-27T03:31:46Z)
• Open-domain Dialogue Generation Grounded with Dynamic Multi-form Knowledge Fusion [9.45662259790057]
  本稿では,新しい対話生成モデルである動的マルチフォーム知識融合に基づくオープンドメインチャットマシン(DMKCM)を提案する。 DMKCMは、関連文書を第1ホップとして見つけるためにインデックス付きテキスト(仮想知識ベース)を適用し、その後、コモンセンス知識グラフを使用して対話の内容と第1ホップを拡張して、アポサイトトリプルを第2ホップとして取得する。 実験結果から,対話のコヒーレンスと情報提供性の観点から,本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2022-04-24T10:32:48Z)
• DialoKG: Knowledge-Structure Aware Task-Oriented Dialogue Generation [9.186215038100904]
  本稿では,言語モデルに知識を効果的に組み込んだタスク指向対話システムであるDialoKGを提案する。 提案システムでは,リレーショナル知識を知識グラフとみなし,構造認識型知識埋め込み技術を導入する。 実験的な評価は、いくつかの標準ベンチマークデータセットにおける最先端手法に対するDialoKGの有効性を示す。
  論文  参考訳（メタデータ） (2022-04-19T22:26:18Z)
• Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
  本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。 エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。 既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
  論文  参考訳（メタデータ） (2020-04-29T14:22:42Z)
• Dynamic Knowledge Graph-based Dialogue Generation with Improved Adversarial Meta-Learning [0.0]
  本稿では, 対向メタラーニング(KDAD)を改良した動的知識グラフに基づく対話生成手法を提案する。 KDADは、動的知識三重項を敵攻撃の問題として定式化し、動的知識を意識した対話生成に迅速に適応する目的を取り入れている。
  論文  参考訳（メタデータ） (2020-04-19T12:27:49Z)
• Sequential Latent Knowledge Selection for Knowledge-Grounded Dialogue [51.513276162736844]
  この問題に対する最初のアプローチとして,逐次潜在変数モデルを提案する。 シーケンシャル・ナレッジ・トランスフォーマー (SKT) という名前のモデルは、知識よりも先行と後続の分布を追跡することができる。
  論文  参考訳（メタデータ） (2020-02-18T11:59:59Z)

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。