論文の概要: Gated Convolutional Bidirectional Attention-based Model for Off-topic Spoken Response Detection

• arxiv url: http://arxiv.org/abs/2004.09036v4
• Date: Mon, 17 Aug 2020 07:08:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 18:01:34.301378
• Title: Gated Convolutional Bidirectional Attention-based Model for Off-topic Spoken Response Detection
• Title（参考訳）: オフトピック音声応答検出のためのゲート畳み込み2方向注意モデル
• Authors: Yefei Zha, Ruobing Li, Hui Lin
• Abstract要約: そこで本研究では,視線と視線と視線が一致しない音節を高い音節リコールで検出する新しい手法を提案する。 提案モデルでは,2つのアテンション機構と畳み込みを適用したGCBiA(Gated Convolutional Bidirectional Attention-based Model)を導入し,プロンプトの話題語と応答のキーフレーズを抽出する。
• 参考スコア（独自算出の注目度）: 10.321357718530473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Off-topic spoken response detection, the task aiming at predicting whether a response is off-topic for the corresponding prompt, is important for an automated speaking assessment system. In many real-world educational applications, off-topic spoken response detectors are required to achieve high recall for off-topic responses not only on seen prompts but also on prompts that are unseen during training. In this paper, we propose a novel approach for off-topic spoken response detection with high off-topic recall on both seen and unseen prompts. We introduce a new model, Gated Convolutional Bidirectional Attention-based Model (GCBiA), which applies bi-attention mechanism and convolutions to extract topic words of prompts and key-phrases of responses, and introduces gated unit and residual connections between major layers to better represent the relevance of responses and prompts. Moreover, a new negative sampling method is proposed to augment training data. Experiment results demonstrate that our novel approach can achieve significant improvements in detecting off-topic responses with extremely high on-topic recall, for both seen and unseen prompts.
• Abstract（参考訳）: 自動発話アセスメントシステムにおいて,応答が応答のオフトピー的かどうかを予測するタスクであるオフトピー音声応答検出が重要である。 実世界の多くの教育用アプリケーションでは、オフトピックの音声応答検出器は、見られるプロンプトだけでなく、トレーニング中に目に見えないプロンプトに対しても高いリコールを達成するために必要である。 本稿では,未発見のプロンプトに対して高いオフトピックリコールを伴う,オフトピック音声応答検出のための新しい手法を提案する。 Gated Convolutional Bidirectional Attention-based Model (GCBiA) と呼ばれる新しいモデルを導入し、応答のプロンプトとキーフレーズのトピックワードを抽出し、応答とプロンプトの関連性をよりよく表すために主要層間のゲートユニットと残余接続を導入する。 さらに,トレーニングデータを増やすために,新たなネガティブサンプリング手法を提案する。 実験の結果,本手法は,非常に高いオントピックリコールを伴うオフトピック応答の検出において,視認可能なプロンプトと未発見プロンプトの両方において有意な改善が得られた。

関連論文リスト

• Grounded and Transparent Response Generation for Conversational Information-Seeking Systems [0.0]
  CISシステムにおける応答生成の複雑さについて検討した。 この研究は、検索された通路に接地された応答を生成し、システムの限界を透明にすることに焦点を当てている。
  論文  参考訳（メタデータ） (2024-06-27T15:55:25Z)
• PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded Dialogue Systems [59.1250765143521]
  現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。 我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。 対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
  論文  参考訳（メタデータ） (2023-09-19T08:27:09Z)
• Promoting Open-domain Dialogue Generation through Learning Pattern Information between Contexts and Responses [5.936682548344234]
  本稿では,学習サンプルの文脈と応答の間の暗黙的なパターン情報を学ぶことにより,生成した応答の品質を向上させる。 また、文脈と応答間の暗黙的パターン情報をマイニングする応答認識機構を設計し、生成した応答をより多様でヒトの応答に近似するようにした。
  論文  参考訳（メタデータ） (2023-09-06T08:11:39Z)
• Reranking Overgenerated Responses for End-to-End Task-Oriented Dialogue Systems [71.33737787564966]
  エンド・ツー・エンド(E2E)タスク指向対話システム(ToD)は、いわゆる「いいね! 本稿では,システムによって当初過剰に生成された応答リストから高品質な項目を選択する方法を提案する。 本研究では,最先端のE2E ToDシステムを2.4BLEU,3.2ROUGE,2.8 METEORで改善し,新たなピーク値を得た。
  論文  参考訳（メタデータ） (2022-11-07T15:59:49Z)
• TopicRefine: Joint Topic Prediction and Dialogue Response Generation for Multi-turn End-to-End Dialogue System [12.135300607779753]
  マルチターン対話は、常に特定のトピックスレッドに従っており、談話レベルでのトピックシフトは自然に起こる。 これまでの研究では、まずトピックを予測し、関連する応答を生成したり、単にすべてのトピックに注意機構を適用したりしていた。 本稿では,これら2つの課題を同時に学習するためのトピックリファインメント機構を備えた共同フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T04:43:07Z)
• Generating Dialogue Responses from a Semantic Latent Space [75.18449428414736]
  語彙のエンドツーエンド分類に代わる方法を提案する。 潜在空間上の回帰タスクとして,プロンプトと応答のペア関係を学習する。 人間の評価は、連続した空間でタスクを学習すると、関連性と情報性の両方を持つ応答が生成されることを示した。
  論文  参考訳（メタデータ） (2020-10-04T19:06:16Z)
• Learning an Effective Context-Response Matching Model with Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
  我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。 我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。 実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-09-14T08:44:46Z)
• 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)
• Counterfactual Off-Policy Training for Neural Response Generation [94.76649147381232]
  本稿では,反実的推論による潜在的応答の探索を提案する。 対人学習の枠組みの下での対物反応の訓練は、潜在的応答空間の高逆領域を探索するのに役立つ。 DailyDialogデータセットに関する実証的研究は、我々のアプローチがHREDモデルを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2020-04-29T22:46:28Z)
• Posterior-GAN: Towards Informative and Coherent Response Generation with Posterior Generative Adversarial Network [38.576579498740244]
  我々は,新しいエンコーダデコーダに基づく生成逆学習フレームワーク,Posterior Generative Adversarial Network (Posterior-GAN)を提案する。 実験結果から,本手法は自動評価と人的評価の両方において,生成した応答の情報性とコヒーレンスを効果的に向上させることが示された。
  論文  参考訳（メタデータ） (2020-03-04T11:57:53Z)

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。