論文の概要: Fact-based Dialogue Generation with Convergent and Divergent Decoding
- arxiv url: http://arxiv.org/abs/2005.03174v2
- Date: Fri, 8 May 2020 00:43:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 05:04:50.074789
- Title: Fact-based Dialogue Generation with Convergent and Divergent Decoding
- Title（参考訳）: 収束とダイバージェントデコーディングによるファクトベース対話生成
- Authors: Ryota Tanaka, Akinobu Lee
- Abstract要約: 本稿では,コンバージェントな思考能力を備えたエンドツーエンドのファクトベース対話システムを提案する。
我々のモデルは、情報的かつ多様な応答を生成できる新しい収束および分岐復号を組み込んでいる。
- 参考スコア（独自算出の注目度）: 2.28438857884398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fact-based dialogue generation is a task of generating a human-like response
based on both dialogue context and factual texts. Various methods were proposed
to focus on generating informative words that contain facts effectively.
However, previous works implicitly assume a topic to be kept on a dialogue and
usually converse passively, therefore the systems have a difficulty to generate
diverse responses that provide meaningful information proactively. This paper
proposes an end-to-end fact-based dialogue system augmented with the ability of
convergent and divergent thinking over both context and facts, which can
converse about the current topic or introduce a new topic. Specifically, our
model incorporates a novel convergent and divergent decoding that can generate
informative and diverse responses considering not only given inputs (context
and facts) but also inputs-related topics. Both automatic and human evaluation
results on DSTC7 dataset show that our model significantly outperforms
state-of-the-art baselines, indicating that our model can generate more
appropriate, informative, and diverse responses.
- Abstract（参考訳）: 事実に基づく対話生成は、対話コンテキストと事実テキストの両方に基づいて人間のような応答を生成するタスクである。
事実を効果的に含む情報語の生成に焦点をあてる様々な手法が提案された。
しかし,従来の研究では,対話に係わるトピックを暗黙的に仮定し,通常は受動的に会話するので,意味のある情報を提供する多様な応答を生成するのが困難であった。
本稿では,現在話題を会話したり,新たな話題を紹介できる,文脈と事実の両面から収束・分散した思考能力を備えた,エンドツーエンドのファクトベース対話システムを提案する。
具体的には、与えられた入力(コンテキストや事実)だけでなく、入力に関連するトピックも考慮し、情報的かつ多様な応答を生成できる新しい収束および分岐復号を組み込む。
DSTC7データセットの自動評価結果と人的評価結果の両方で、我々のモデルは最先端のベースラインを著しく上回り、我々のモデルはより適切で情報的で多様な応答を生成できることを示している。
関連論文リスト
- Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。
対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。
また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-18T11:03:55Z) - Dialogue Agents 101: A Beginner's Guide to Critical Ingredients for Designing Effective Conversational Systems [29.394466123216258]
本研究は,対話エージェントの主要な特徴,対応するオープンドメインデータセット,およびこれらのデータセットをベンチマークする手法について概説する。
我々は,既存のデータセットの会話から構築された統一dIalogue dataseTであるUNITを提案する。
論文 参考訳（メタデータ） (2023-07-14T10:05:47Z) - Taxonomy of Abstractive Dialogue Summarization: Scenarios, Approaches
and Future Directions [14.85592662663867]
この調査は、シナリオから抽象的な対話を要約するための既存の研究を包括的に調査する。
タスクは入力ダイアログの種類、すなわちオープンドメインとタスク指向の2つの幅広いカテゴリに分類される。
既存のテクニックを3方向に分類し、対話機能を注入し、補助訓練タスクを設計し、追加データを使用する。
論文 参考訳（メタデータ） (2022-10-18T14:33:03Z) - HybriDialogue: An Information-Seeking Dialogue Dataset Grounded on
Tabular and Textual Data [87.67278915655712]
我々は、ウィキペディアのテキストとテーブルの両方を基盤とした、クラウドソーシングされた自然な会話からなる新しい対話データセットHybriDialogueを提示する。
これらの会話は、複雑なマルチホップ質問をシンプルで現実的なマルチターン対話に分解することで生成される。
論文 参考訳（メタデータ） (2022-04-28T00:52:16Z) - Back to the Future: Bidirectional Information Decoupling Network for
Multi-turn Dialogue Modeling [80.51094098799736]
ユニバーサル対話エンコーダとして双方向情報デカップリングネットワーク(BiDeN)を提案する。
BiDeNは過去と将来の両方のコンテキストを明示的に取り入れており、幅広い対話関連のタスクに一般化することができる。
異なる下流タスクのデータセットに対する実験結果は、我々のBiDeNの普遍性と有効性を示している。
論文 参考訳（メタデータ） (2022-04-18T03:51:46Z) - Dialogue Inspectional Summarization with Factual Inconsistency Awareness [34.97845384948336]
非事前学習・事前学習環境下での対話検査要約(DIS)の現実的矛盾問題について検討する。
2つの補助的なタスクを伴って、革新的なエンドツーエンドの対話要約生成フレームワークを提案する。
包括的実験により、提案モデルにより、現実的な側面を正確に網羅したより読みやすい要約が生成できることが示されている。
論文 参考訳（メタデータ） (2021-11-05T06:26:22Z) - "How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken
Conversations [87.95711406978157]
本研究は、音声タスク指向会話における新しいベンチマークを示す。
マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。
我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
論文 参考訳（メタデータ） (2021-09-28T04:51:04Z) - Topic-Aware Contrastive Learning for Abstractive Dialogue Summarization [41.75442239197745]
本研究は,コヒーレンス検出とサブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サミマリ・ジェネレーションという2つのトピック・アウェア・コントラスト学習目標を提案する。
ベンチマークデータセットの実験では、提案手法が強いベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2021-09-10T17:03:25Z) - Coreference-Aware Dialogue Summarization [24.986030179701405]
ニューラルネットワークの抽象的対話要約モデルにおいて,コア参照情報を明示的に組み込む手法について検討する。
実験結果から,提案手法は最先端性能を実現することが示された。
事実的正当性の評価結果から,このようなコア参照認識モデルの方が,インターロケータ間の情報フローの追跡に優れていることが示唆された。
論文 参考訳（メタデータ） (2021-06-16T05:18:50Z) - Topic-Oriented Spoken Dialogue Summarization for Customer Service with
Saliency-Aware Topic Modeling [61.67321200994117]
顧客サービスシステムでは、長い音声対話のための要約を作成することにより、対話要約はサービス効率を高めることができる。
本研究では,高度に抽象的な要約を生成するトピック指向の対話要約に注目した。
SATM(Saliency-Awareural topic Model)と併用し,顧客サービス対話のトピック指向要約を目的とした,新しいトピック拡張型2段階対話要約器(TDS)を提案する。
論文 参考訳（メタデータ） (2020-12-14T07:50:25Z) - Ranking Enhanced Dialogue Generation [77.8321855074999]
対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。
これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。
本稿では,ランキング拡張対話生成フレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-13T01:49:56Z)
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。