論文の概要: Topic Propagation in Conversational Search
- arxiv url: http://arxiv.org/abs/2004.14054v1
- Date: Wed, 29 Apr 2020 10:06:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-12-08 14:20:29.243805
- Title: Topic Propagation in Conversational Search
- Title(参考訳): 会話検索における話題伝播
- Authors: I. Mele, C. I. Muntean, F. M. Nardini, R. Perego, N. Tonellotto, O.
Frieder
- Abstract要約: 会話の文脈では、ユーザは、自然言語質問のシーケンスとして、多面的な情報を必要とすることを表現します。
筆者らは,2019 TREC Conversational Assistant Track (CAsT) フレームワークを用いて, (i) トピック認識発話の書き直し, (ii) 書き直された発話の候補節の検索, (iii) ニューラルネットワークによる候補節の再ランク付けを行う。
- 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: In a conversational context, a user expresses her multi-faceted information
need as a sequence of natural-language questions, i.e., utterances. Starting
from a given topic, the conversation evolves through user utterances and system
replies. The retrieval of documents relevant to a given utterance in a
conversation is challenging due to ambiguity of natural language and to the
difficulty of detecting possible topic shifts and semantic relationships among
utterances. We adopt the 2019 TREC Conversational Assistant Track (CAsT)
framework to experiment with a modular architecture performing: (i) topic-aware
utterance rewriting, (ii) retrieval of candidate passages for the rewritten
utterances, and (iii) neural-based re-ranking of candidate passages. We present
a comprehensive experimental evaluation of the architecture assessed in terms
of traditional IR metrics at small cutoffs. Experimental results show the
effectiveness of our techniques that achieve an improvement up to 0.28 (+93%)
for P@1 and 0.19 (+89.9%) for nDCG@3 w.r.t. the CAsT baseline.
- Abstract(参考訳): 会話的文脈において、ユーザは、多面的な情報を必要とすることを、自然言語の質問、すなわち発話のシーケンスとして表現する。
あるトピックから始まる会話は、ユーザの発話とシステム応答を通じて進化する。
会話における発話に関連する文書の検索は、自然言語のあいまいさと、発話間の話題の変化や意味的関係を検出することの難しさにより困難である。
2019 TREC Conversational Assistant Track (CAsT) フレームワークを採用して、モジュールアーキテクチャのパフォーマンスを実験する。
(i)話題対応の発話書き直し
(ii)書き直し文の候補文の検索
(iii) 候補パスのニューラルベース再ランキング。
従来の赤外計測値から評価したアーキテクチャを,小さなカットオフで総合的に実験的に評価した。
実験の結果, p@1では0.28 (+93%) , ndcg@3 w.r.tでは 0.19 (+89.9%) の改善が得られた。
関連論文リスト
- Topic Shift Detection in Chinese Dialogues: Corpus and Benchmark [10.378163772785204]
そこで本稿では,階層的コントラスト学習に基づく教師学習フレームワークを提案し,応答を伴わないトピックシフトを予測する。
CNTD と 英語 TIAGE を用いた実験結果から,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-05-02T04:03:50Z) - 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) - 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) - 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) - Mixtures of Deep Neural Experts for Automated Speech Scoring [11.860560781894458]
本論文は,言語学習者の音声応答からテストプロンプトに対する第二言語能力の自動評価の課題に対処する。
本手法は,(1)音声対話のテキスト書き起こしを自動生成する音声認識システム,(2)テキスト書き起こしを習熟クラスに分類する深層学習者に基づく複数分類システム,の2つの異なるモジュールに依存している。
論文 参考訳(メタデータ) (2021-06-23T15:44:50Z) - Self-supervised Dialogue Learning for Spoken Conversational Question
Answering [29.545937716796082]
音声対話質問応答(SCQA)では、複数の会話を含む固定された音声文書を検索して分析することにより、対応する質問に対する回答を生成する。
本研究では,不整合判定,挿入検出,質問予測などの自己教師付き学習手法を導入し,コア参照の解決と対話のコヒーレンスを明確に把握する。
提案手法は,従来の事前学習言語モデルと比較して,より一貫性があり,意味があり,適切な応答を提供する。
論文 参考訳(メタデータ) (2021-06-04T00:09:38Z) - Towards Data Distillation for End-to-end Spoken Conversational Question
Answering [65.124088336738]
音声対話型質問応答タスク(SCQA)を提案する。
SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。
我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
論文 参考訳(メタデータ) (2020-10-18T05:53:39Z) - Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。
トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
論文 参考訳(メタデータ) (2020-09-26T08:43:06Z) - Detecting and Classifying Malevolent Dialogue Responses: Taxonomy, Data
and Methodology [68.8836704199096]
コーパスベースの会話インタフェースは、テンプレートベースのエージェントや検索ベースのエージェントよりも多様な自然なレスポンスを生成することができる。
コーパスベースの会話エージェントの生成能力が増大すると、マレヴォレントな反応を分類し、フィルタリングする必要性が生じる。
不適切な内容の認識と分類に関するこれまでの研究は、主にある種のマレヴォレンスに焦点を絞っている。
論文 参考訳(メタデータ) (2020-08-21T22:43:27Z) - 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)
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。