論文の概要: Matching Questions and Answers in Dialogues from Online Forums

• arxiv url: http://arxiv.org/abs/2005.09276v2
• Date: Mon, 3 Aug 2020 02:44:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 13:58:21.689617
• Title: Matching Questions and Answers in Dialogues from Online Forums
• Title（参考訳）: オンラインフォーラムの対話における質問と回答のマッチング
• Authors: Qi Jia, Mengxue Zhang, Shengyao Zhang, Kenny Q. Zhu
• Abstract要約: 会話における2つのターン間の質問・回答関係のマッチングは、対話構造を解析する最初のステップであるだけでなく、対話システムの訓練にも有用である。 本稿では、相互注意という2つの同時注意機構により、距離情報と対話履歴の両方を考慮したQAマッチングモデルを提案する。
• 参考スコア（独自算出の注目度）: 12.64602629459043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Matching question-answer relations between two turns in conversations is not only the first step in analyzing dialogue structures, but also valuable for training dialogue systems. This paper presents a QA matching model considering both distance information and dialogue history by two simultaneous attention mechanisms called mutual attention. Given scores computed by the trained model between each non-question turn with its candidate questions, a greedy matching strategy is used for final predictions. Because existing dialogue datasets such as the Ubuntu dataset are not suitable for the QA matching task, we further create a dataset with 1,000 labeled dialogues and demonstrate that our proposed model outperforms the state-of-the-art and other strong baselines, particularly for matching long-distance QA pairs.
• Abstract（参考訳）: 会話における2つのターン間の質問・回答関係のマッチングは、対話構造を解析する最初のステップであるだけでなく、対話システムの訓練にも有用である。 本稿では,距離情報と対話履歴の両方を相互注意と呼ばれる2つの同時注意機構で考慮したqaマッチングモデルを提案する。 各非探索ターン間のトレーニングされたモデルによって計算されたスコアと候補の質問とが与えられた場合、最終的な予測にはグリーディマッチング戦略が使用される。 Ubuntuデータセットのような既存の対話データセットは、QAマッチングタスクには適さないため、さらに1,000のラベル付きダイアログを持つデータセットを作成し、提案したモデルが、特に長距離QAペアのマッチングにおいて、最先端や他の強力なベースラインよりも優れていることを示す。

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)
• Unsupervised Dialogue Topic Segmentation with Topic-aware Utterance Representation [51.22712675266523]
  対話トピック(DTS)は、様々な対話モデリングタスクにおいて重要な役割を果たす。 本稿では,ラベルなし対話データからトピック対応発話表現を学習する,教師なしDSSフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-04T11:35:23Z)
• DialogQAE: N-to-N Question Answer Pair Extraction from Customer Service Chatlog [34.69426306212259]
  そこで,N-to-NQA抽出タスクを提案する。 5つのカスタマサービスデータセット上で良好に機能する、エンドツーエンドと2段階のバリエーションを備えた、生成的/識別的タグ付けベースの一連の方法を紹介します。
  論文  参考訳（メタデータ） (2022-12-14T09:05:14Z)
• 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)
• Dial2vec: Self-Guided Contrastive Learning of Unsupervised Dialogue Embeddings [41.79937481022846]
  教師なし対話の埋め込みを学習するタスクについて紹介する。 事前学習された単語や文の埋め込みや、事前学習された言語モデルによるエンコーディングといったトライアル的なアプローチは、実現可能であることが示されている。 本稿では,Dial2vecという自己指導型コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2022-10-27T11:14:06Z)
• CREAD: Combined Resolution of Ellipses and Anaphora in Dialogues [14.66729951223073]
  アナフォラとエリプスは対話における2つの一般的な現象である。 伝統的に、アナフォラはコア参照解決とクエリ書き換えによる楕円によって解決される。 本稿では,コア参照解決とクエリ書き換えをモデリングする新しい共同学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:17:26Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• Learning an Effective Context-Response Matching Model with Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
  我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。 我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。 実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-09-14T08:44:46Z)
• 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。

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。