Fugu-MT 論文翻訳(概要): Neural Generation of Dialogue Response Timings

論文の概要: Neural Generation of Dialogue Response Timings

arxiv url: http://arxiv.org/abs/2005.09128v1
Date: Mon, 18 May 2020 23:00:57 GMT
ステータス: 処理完了
システム内更新日: 2022-12-01 23:38:20.822519
Title: Neural Generation of Dialogue Response Timings
Title（参考訳）: 対話応答タイミングのニューラル生成
Authors: Matthew Roddy and Naomi Harte
Abstract要約: 音声応答オフセットの分布をシミュレートするニューラルモデルを提案する。モデルは、インクリメンタルな音声対話システムのパイプラインに統合されるように設計されている。人間の聴取者は、対話の文脈に基づいて、特定の応答タイミングをより自然なものとみなす。
参考スコア（独自算出の注目度）: 13.611050992168506
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The timings of spoken response offsets in human dialogue have been shown to vary based on contextual elements of the dialogue. We propose neural models that simulate the distributions of these response offsets, taking into account the response turn as well as the preceding turn. The models are designed to be integrated into the pipeline of an incremental spoken dialogue system (SDS). We evaluate our models using offline experiments as well as human listening tests. We show that human listeners consider certain response timings to be more natural based on the dialogue context. The introduction of these models into SDS pipelines could increase the perceived naturalness of interactions.
Abstract（参考訳）: ヒトの対話における音声応答オフセットのタイミングは、対話の文脈的要素によって異なることが示されている。本稿では,これらの応答オフセットの分布をシミュレートするニューラルモデルを提案する。モデルは、インクリメンタル音声対話システム(SDS)のパイプラインに統合されるように設計されている。我々は、オフライン実験と人間の聴力テストを用いて、モデルを評価する。人間の聴取者は、対話の文脈に基づいて、特定の応答タイミングをより自然なものとみなす。これらのモデルをSDSパイプラインに導入することで、相互作用の自然性を高めることができる。

関連論文リスト

Yeah, Un, Oh: Continuous and Real-time Backchannel Prediction with Fine-tuning of Voice Activity Projection [24.71649541757314]
yeah"や"oh"といった短いバックチャネルの発話は、スムーズでエンゲージメントな対話を促進する上で重要な役割を担っている。本稿では,微調整音声活動予測モデルを用いて,リアルタイムかつ連続的なバックチャネル予測を行う手法を提案する。
論文参考訳（メタデータ） (2024-10-21T11:57:56Z)
Self-Directed Turing Test for Large Language Models [56.64615470513102]
チューリングテストは、自然言語の会話においてAIが人間のような振る舞いを示すことができるかどうかを調べる。従来のチューリングテストでは、各参加者が1回に1つのメッセージだけを送信する厳格な対話形式を採用している。本稿では,バーストダイアログ形式を用いた自己指示チューリングテストを提案する。
論文参考訳（メタデータ） (2024-08-19T09:57:28Z)
Attribution and Alignment: Effects of Local Context Repetition on Utterance Production and Comprehension in Dialogue [6.886248462185439]
繰り返しは通常、言語モデル世代を評価する際に罰せられる。人間はローカルとパートナーの特定の繰り返しを使用し、それらは人間のユーザーによって好まれ、対話におけるコミュニケーションをより成功させる。本研究では, (a) 言語モデルが対話における人間的な繰り返しのレベルを生成するかどうか, (b) 理解中に使用する語彙再使用に関連する処理機構について検討する。
論文参考訳（メタデータ） (2023-11-21T23:50:33Z)
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)
Leveraging Implicit Feedback from Deployment Data in Dialogue [83.02878726357523]
本研究では,ユーザ間の自然な対話とデプロイモデルから学習することで,社会的会話エージェントの改善について検討する。我々は、ユーザ応答長、感情、未来の人間の発話の反応などの信号を、収集された対話エピソードで活用する。
論文参考訳（メタデータ） (2023-07-26T11:34:53Z)
EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
多人数対話では、応答発話の宛先を生成前に指定する必要がある。本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
論文参考訳（メタデータ） (2023-05-21T09:22:41Z)
Improving a sequence-to-sequence nlp model using a reinforcement learning policy algorithm [0.0]
対話生成の現在のニューラルネットワークモデルは、おしゃべりエージェントの回答を生成する上で非常に有望である。しかし、彼らは発話を1度ずつ予測し、将来の結果に対する彼らの影響を無視している。本研究は,対話の長期的成功に基づくニューラルな会話モデル構築に向けた予備的なステップを記念するものである。
論文参考訳（メタデータ） (2022-12-28T22:46:57Z)
"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)
DynaEval: Unifying Turn and Dialogue Level Evaluation [60.66883575106898]
統合された自動評価フレームワークDynaEvalを提案する。ターンレベルの評価を行うことができるが、対話全体の品質を公平に考慮することもできる。実験の結果,DynaEvalは最先端の対話コヒーレンスモデルよりも優れていた。
論文参考訳（メタデータ） (2021-06-02T12:23:18Z)
Weakly-Supervised Neural Response Selection from an Ensemble of Task-Specialised Dialogue Agents [11.21333474984984]
異種対話エージェントが生成する応答の集合から最適な応答を選択するという問題をモデル化する。提案手法は,カリキュラム学習機構を用いて,一対一の会話における一貫性のある応答のセットを予測することを訓練する。
論文参考訳（メタデータ） (2020-05-06T18:40:26Z)
Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文参考訳（メタデータ） (2020-04-17T03:51:57Z)

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。