論文の概要: Sequential Sentence Matching Network for Multi-turn Response Selection in Retrieval-based Chatbots

• arxiv url: http://arxiv.org/abs/2005.07923v1
• Date: Sat, 16 May 2020 09:47:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 12:49:27.995956
• Title: Sequential Sentence Matching Network for Multi-turn Response Selection in Retrieval-based Chatbots
• Title（参考訳）: 検索型チャットボットにおけるマルチターン応答選択のための逐次文マッチングネットワーク
• Authors: Chao Xiong, Che Liu, Zijun Xu, Junfeng Jiang, Jieping Ye
• Abstract要約: 本稿では,文レベルの意味情報を用いて問題に対処する,逐次文マッチングネットワーク(S2M)を提案する。 まず、文レベルの意味情報を用いて、ネットワークが問題に対処し、マッチングを大幅に改善し、その結果、最先端のパフォーマンスが得られることがわかった。
• 参考スコア（独自算出の注目度）: 45.920841134523286
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, open domain multi-turn chatbots have attracted much interest from lots of researchers in both academia and industry. The dominant retrieval-based methods use context-response matching mechanisms for multi-turn response selection. Specifically, the state-of-the-art methods perform the context-response matching by word or segment similarity. However, these models lack a full exploitation of the sentence-level semantic information, and make simple mistakes that humans can easily avoid. In this work, we propose a matching network, called sequential sentence matching network (S2M), to use the sentence-level semantic information to address the problem. Firstly and most importantly, we find that by using the sentence-level semantic information, the network successfully addresses the problem and gets a significant improvement on matching, resulting in a state-of-the-art performance. Furthermore, we integrate the sentence matching we introduced here and the usual word similarity matching reported in the current literature, to match at different semantic levels. Experiments on three public data sets show that such integration further improves the model performance.
• Abstract（参考訳）: 最近、オープンドメインのマルチターンチャットボットは、学界と産業の両方の研究者から多くの関心を集めている。 支配的な検索ベース手法は、マルチターン応答選択に文脈応答マッチング機構を用いる。 具体的には、最先端手法は、単語またはセグメントの類似度による文脈応答マッチングを実行する。 しかし、これらのモデルは文レベルの意味情報の完全な活用を欠き、人間が容易に回避できる簡単な間違いを犯す。 本研究では,文レベルの意味情報を用いて問題に対処するために,逐次文マッチングネットワーク(s2m)を提案する。 まず, 文レベルの意味情報を用いて, ネットワークが問題に対処し, マッチングを大幅に改善し, その結果, 最先端の性能が得られた。 さらに,本論文で紹介した文マッチングと,現在文献に報告されている通常の単語類似性マッチングを統合して,異なる意味レベルでマッチングする。 3つの公開データセットの実験は、そのような統合がモデルの性能をさらに改善することを示している。

関連論文リスト

• Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
  文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
  論文  参考訳（メタデータ） (2022-12-17T05:25:17Z)
• Unsupervised Mismatch Localization in Cross-Modal Sequential Data [5.932046800902776]
  我々は、コンテンツミスマッチしたクロスモーダルデータ間の関係を推測できる教師なし学習アルゴリズムを開発した。 本稿では,音声生成過程を階層的に構造化された潜在変数に分解する,ミスマッチ局所化変分自動符号化(ML-VAE)という階層型ベイズディープラーニングモデルを提案する。 実験の結果,ML-VAEは人間のアノテーションを必要とせず,テキストと音声のミスマッチの特定に成功した。
  論文  参考訳（メタデータ） (2022-05-05T14:23:27Z)
• DEIM: An effective deep encoding and interaction model for sentence matching [0.0]
  本稿では,ディープエンコーディングとインタラクションに基づく文マッチング手法を提案する。 エンコーダ層では、1つの文を符号化する過程で他の文の情報を参照し、その後、アルゴリズムを用いて情報を融合する。 インタラクション層では、双方向の注意機構と自己注意機構を用いて深い意味情報を得る。
  論文  参考訳（メタデータ） (2022-03-20T07:59:42Z)
• Domain-level Pairwise Semantic Interaction for Aspect-Based Sentiment Classification [3.1977819149534987]
  Pairwise Semantic Interaction (PSI) モジュールを提案する。 各文のキーセマンティックな特徴を効果的に強調するために、異なるゲートが生成される。 最後に、ベクトル間の敵対的相互作用は、2つの文の意味表現をより区別しやすくするために用いられる。
  論文  参考訳（メタデータ） (2022-02-21T07:59:17Z)
• LadRa-Net: Locally-Aware Dynamic Re-read Attention Net for Sentence Semantic Matching [66.65398852962177]
  文意味マッチングのための新しい動的再読ネットワーク(DRr-Net)を開発した。 DRr-Netをローカルに認識する動的再読み取り注意ネット(LadRa-Net)に拡張する 2つの一般的な文意味マッチングタスクの実験により、DRr-Netは文意味マッチングの性能を大幅に改善できることを示した。
  論文  参考訳（メタデータ） (2021-08-06T02:07:04Z)
• Match-Ignition: Plugging PageRank into Transformer for Long-form Text Matching [66.71886789848472]
  実効性と効率性に対処する新しい階層型ノイズフィルタリングモデルであるMatch-Ignitionを提案する。 基本的なアイデアは、よく知られたPageRankアルゴリズムをTransformerに接続し、文と単語レベルの騒々しい情報を識別およびフィルタリングすることです。 文が長文の基本単位であるため、ノイズの多い文はたいてい簡単に検出できるので、PageRankを直接使用してそのような情報をフィルタリングする。
  論文  参考訳（メタデータ） (2021-01-16T10:34:03Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)
• Combining word embeddings and convolutional neural networks to detect duplicated questions [0.0]
  本稿では,単語埋め込みと畳み込みニューラルネットワークの強みを組み合わせることで,意味論的に類似した質問を識別する簡単な手法を提案する。 私たちのネットワークは、400万以上の質問ペアを含むQuoraデータセットでトレーニングされています。
  論文  参考訳（メタデータ） (2020-06-08T12:30:25Z)

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。