論文の概要: TripPy: A Triple Copy Strategy for Value Independent Neural Dialog State
Tracking
- arxiv url: http://arxiv.org/abs/2005.02877v4
- Date: Fri, 25 Sep 2020 13:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 05:32:58.802971
- Title: TripPy: A Triple Copy Strategy for Value Independent Neural Dialog State
Tracking
- Title（参考訳）: trippy: 値独立型ニューラルネットワークダイアログ状態追跡のためのトリプルコピー戦略
- Authors: Michael Heck, Carel van Niekerk, Nurul Lubis, Christian Geishauser,
Hsien-Chin Lin, Marco Moresi, Milica Ga\v{s}i\'c
- Abstract要約: タスク指向のダイアログシステムは、対話中のユーザの目標を監視するために、ダイアログ状態追跡(DST)に依存している。
スロットを値で埋めるために様々なコピー機構を利用するDSTに新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 2.78632567955797
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task-oriented dialog systems rely on dialog state tracking (DST) to monitor
the user's goal during the course of an interaction. Multi-domain and
open-vocabulary settings complicate the task considerably and demand scalable
solutions. In this paper we present a new approach to DST which makes use of
various copy mechanisms to fill slots with values. Our model has no need to
maintain a list of candidate values. Instead, all values are extracted from the
dialog context on-the-fly. A slot is filled by one of three copy mechanisms:
(1) Span prediction may extract values directly from the user input; (2) a
value may be copied from a system inform memory that keeps track of the
system's inform operations; (3) a value may be copied over from a different
slot that is already contained in the dialog state to resolve coreferences
within and across domains. Our approach combines the advantages of span-based
slot filling methods with memory methods to avoid the use of value picklists
altogether. We argue that our strategy simplifies the DST task while at the
same time achieving state of the art performance on various popular evaluation
sets including Multiwoz 2.1, where we achieve a joint goal accuracy beyond 55%.
- Abstract（参考訳）: タスク指向ダイアログシステムは、対話中のユーザの目標を監視するために、ダイアログ状態追跡(DST)に依存する。
マルチドメインとオープン語彙の設定はタスクをかなり複雑化し、スケーラブルなソリューションを必要とします。
本稿では,スロットを値で埋めるために様々なコピー機構を利用するDSTの新しい手法を提案する。
私たちのモデルは、候補値のリストを保持する必要はありません。
代わりに、すべての値はオンザフライでダイアログコンテキストから抽出される。
スロットは3つのコピーメカニズムの1つで満たされている: 1)スパン予測はユーザ入力から直接値を抽出することができる;(2)システムのインフォメーション操作を追跡するシステムインフォメーションメモリから値がコピーされる可能性がある;(3)既にダイアログに含まれている異なるスロットから値をコピーしてドメイン内およびドメイン間の共参照を解決することができる。
提案手法は,スパンベースのスロット充填方式の利点とメモリメソッドを組み合わせることで,値ピックリストの使用を完全に回避する。
我々の戦略はDSTタスクを単純化し、同時にMultiwoz 2.1を含む様々な評価セットにおけるアートパフォーマンスの状態を達成し、共同目標精度を55%を超えて達成する。
関連論文リスト
- DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever [83.33209603041013]
マルチモーダルダイアログ検索のためのパラメータ効率の高いプロンプトチューニング手法であるDialCLIPを提案する。
提案手法では,事前学習された視覚言語モデルCLIP内のプロンプトに抽出された文脈特徴を学習するためのマルチモーダルコンテキスト生成手法を提案する。
様々なタイプの検索を容易にするために,CLIP出力からマルチモーダル表現空間へのマッピングを学習するために,複数の専門家を設計する。
論文 参考訳（メタデータ） (2024-01-02T07:40:12Z) - CGoDial: A Large-Scale Benchmark for Chinese Goal-oriented Dialog
Evaluation [75.60156479374416]
CGoDialは、Goal指向のダイアログ評価のための、新しい挑戦的で包括的な中国のベンチマークである。
96,763のダイアログセッションと574,949のダイアログがすべて含まれており、異なる知識ソースを持つ3つのデータセットをカバーする。
学術ベンチマークと音声対話のシナリオのギャップを埋めるために、実際の会話からデータを収集したり、クラウドソーシングを通じて既存のデータセットに音声機能を追加する。
論文 参考訳（メタデータ） (2022-11-21T16:21:41Z) - SPACE-3: Unified Dialog Model Pre-training for Task-Oriented Dialog
Understanding and Generation [123.37377363355363]
SPACE-3は、大規模対話コーパスから学習する、新しい半教師付き会話モデルである。
幅広いダウンストリームダイアログタスクを効果的に微調整できる。
その結果、SPACE-3は8つの下流ダイアログベンチマークで最先端のパフォーマンスを達成することがわかった。
論文 参考訳（メタデータ） (2022-09-14T14:17:57Z) - SPACE-2: Tree-Structured Semi-Supervised Contrastive Pre-training for
Task-Oriented Dialog Understanding [68.94808536012371]
本稿では,限定ラベル付きダイアログと大規模未ラベルダイアログコーパスから対話表現を学習する,木構造付き事前学習会話モデルを提案する。
提案手法は,7つのデータセットと4つの一般的な対話理解タスクからなるDialoGLUEベンチマークにおいて,最新の結果が得られる。
論文 参考訳（メタデータ） (2022-09-14T13:42:50Z) - Ontology-Enhanced Slot Filling [3.024095356755364]
マルチドメインタスク指向ダイアログシステムでは、ユーザ発話とシステム応答は複数の名前付きエンティティと属性値を参照することができる。
システムは、ユーザによって確認されたものを選択し、それを運命のスロットに埋める必要がある。
対話セッションには複数のシステムユーザターンが含まれているため、BERTのようなディープモデルにすべてのトークンを投入することは、入力ワードトークンやGPUメモリの容量が限られているため困難である。
論文 参考訳（メタデータ） (2021-08-25T14:54:47Z) - Zero-shot Generalization in Dialog State Tracking through Generative
Question Answering [10.81203437307028]
本稿では,タスク指向ダイアログの制約やスロットに対する自然言語クエリをサポートする新しいフレームワークを提案する。
本手法は,英語文に事前学習した条件付きドメインモデルを用いた生成的質問応答に基づく。
論文 参考訳（メタデータ） (2021-01-20T21:47:20Z) - Dialog Simulation with Realistic Variations for Training Goal-Oriented
Conversational Systems [14.206866126142002]
ゴール指向のダイアログシステムにより、ユーザーは映画に関する情報をリクエストしたり、チケットを予約したりといった特定の目標を達成することができる。
本稿では,注釈付きダイアログとダイアログスキーマから,注釈付きダイアログの大規模なコーパスを自動生成する手法を提案する。
ベースラインダイアログ生成手法と比較して,ホールドアウトテストセットの50%の相対精度を実現した。
論文 参考訳（メタデータ） (2020-11-16T19:39:15Z) - CREDIT: Coarse-to-Fine Sequence Generation for Dialogue State Tracking [44.38388988238695]
対話状態トラッカーは、現在の対話状態のコンパクトな表現を正確に見つけることを目的としている。
我々はシーケンス生成問題として構造化状態表現とキャスト対話状態追跡を用いる。
我々のトラッカーは,MultiWOZ 2.0とMultiWOZ 2.1データセットの5つの領域で共同目標精度を向上することを示した。
論文 参考訳（メタデータ） (2020-09-22T10:27:18Z) - DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act
Recognition and Sentiment Classification [77.59549450705384]
ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。
既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。
本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
論文 参考訳（メタデータ） (2020-08-16T14:13:32Z) - Non-Autoregressive Dialog State Tracking [122.2328875457225]
非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。
NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。
以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
論文 参考訳（メタデータ） (2020-02-19T06:39:26Z) - MA-DST: Multi-Attention Based Scalable Dialog State Tracking [13.358314140896937]
ダイアログ状態追跡ダイアログは、ユーザーが目標を達成するための自然言語インターフェースを提供する。
正確なマルチドメインDSTを実現するためには、過去の発話とスロットセマンティクス間の依存関係をエンコードする必要がある。
本稿では,会話履歴とスロットの意味を符号化する新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-02-07T05:34:58Z)
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。