論文の概要: MTSS: Learn from Multiple Domain Teachers and Become a Multi-domain Dialogue Expert

• arxiv url: http://arxiv.org/abs/2005.10450v1
• Date: Thu, 21 May 2020 03:40:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 22:45:33.496953
• Title: MTSS: Learn from Multiple Domain Teachers and Become a Multi-domain Dialogue Expert
• Title（参考訳）: MTSS: 複数のドメイン教師から学び、多ドメイン対話エキスパートになる
• Authors: Shuke Peng, Feng Ji, Zehao Lin, Shaobo Cui, Haiqing Chen, Yin Zhang
• Abstract要約: マルチドメイン・セッティングにおける満足度向上のための新しい手法を提案する。 実学教育のシナリオに触発された本手法は,複数のドメイン固有の教師と普遍的な学生から構成される。 実験の結果,本手法はマルチドメインと単一ドメインの両方でSOTAと競合する結果を得た。
• 参考スコア（独自算出の注目度）: 24.010266171280342
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: How to build a high-quality multi-domain dialogue system is a challenging work due to its complicated and entangled dialogue state space among each domain, which seriously limits the quality of dialogue policy, and further affects the generated response. In this paper, we propose a novel method to acquire a satisfying policy and subtly circumvent the knotty dialogue state representation problem in the multi-domain setting. Inspired by real school teaching scenarios, our method is composed of multiple domain-specific teachers and a universal student. Each individual teacher only focuses on one specific domain and learns its corresponding domain knowledge and dialogue policy based on a precisely extracted single domain dialogue state representation. Then, these domain-specific teachers impart their domain knowledge and policies to a universal student model and collectively make this student model a multi-domain dialogue expert. Experiment results show that our method reaches competitive results with SOTAs in both multi-domain and single domain setting.
• Abstract（参考訳）: ハイクオリティなマルチドメイン対話システムの構築は,各ドメイン間の複雑で絡み合った対話状態空間が,対話の質を著しく制限し,生成した応答にさらに影響を及ぼすため,困難な作業である。 本稿では,マルチドメイン設定において,満足のいく方針を得るための新しい手法を提案し,結び目対話状態表現問題を微妙に回避する。 実学教育のシナリオに触発された本手法は,複数のドメイン固有の教師と普遍的な学生から構成される。 各教師は、特定のドメインにのみ焦点をあて、その対応するドメイン知識と対話ポリシーを、正確に抽出された単一ドメイン対話状態表現に基づいて学習する。 そして、これらのドメイン固有の教師は、ドメインの知識とポリシーを普遍的な学生モデルに付与し、この学生モデルを多分野対話エキスパートとしてまとめる。 実験の結果,本手法はマルチドメインと単一ドメインの両方でSOTAと競合する結果を得た。

関連論文リスト

• A Unified Data Augmentation Framework for Low-Resource Multi-Domain Dialogue Generation [52.0964459842176]
  現在の最先端の対話システムは、広範なトレーニングデータセットに大きく依存している。 我々はtextbfAMD$2$G と呼ばれる textbfMulti-textbfDomain textbfDialogue textbfGeneration のための新しいデータ textbfAugmentation フレームワークを提案する。 AMD$2$Gフレームワークは、データ拡張プロセスと、ドメインに依存しないトレーニングとドメイン適応トレーニングという2段階のトレーニングアプローチで構成されている。
  論文  参考訳（メタデータ） (2024-06-14T09:52:27Z)
• ChatPLUG: Open-Domain Generative Dialogue System with Internet-Augmented Instruction Tuning for Digital Human [76.62897301298699]
  ChatPLUGは、デジタルヒューマンアプリケーションのための中国のオープンドメイン対話システムである。 モデルネームは, 自動評価と人的評価の両方において, 最先端の中国語対話システムより優れていることを示す。 高速な推論でスマートスピーカーやインスタントメッセージアプリケーションのような実世界のアプリケーションにモデルネームをデプロイします。
  論文  参考訳（メタデータ） (2023-04-16T18:16:35Z)
• PoE: a Panel of Experts for Generalized Automatic Dialogue Assessment [58.46761798403072]
  モデルベース自動対話評価基準(ADEM)は,複数の領域にわたって良好に機能することが期待される。 大きな進歩にもかかわらず、ある領域でうまく機能するADEMは必ずしも他の領域に一般化するとは限らない。 本稿では,共有トランスフォーマーエンコーダと軽量アダプタの集合からなるPanel of Experts (PoE)ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-18T02:26:50Z)
• Graph Neural Network Policies and Imitation Learning for Multi-Domain Task-Oriented Dialogues [0.716879432974126]
  タスク指向対話システムは、人間と会話しながら特定の目標を達成するように設計されている。 実際には、複数のドメインとタスクを同時に扱う必要がある。 グラフニューラルネットワークに基づく構造化されたポリシーと模倣学習の度合いが組み合わさって、マルチドメイン対話を効果的に扱えることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:29:10Z)
• Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
  対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。 エージェントは対話とマニュアルの両方からタスクを学習する。 提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
  論文  参考訳（メタデータ） (2022-08-16T08:21:12Z)
• Reinforcement Learning of Multi-Domain Dialog Policies Via Action Embeddings [38.51601073819774]
  強化学習によるタスク指向の対話ポリシーの学習は、通常、ユーザと大量の対話を必要とする。 本稿では,異なるダイアログドメインからのデータを活用することで,各ドメインから必要なデータ量を削減することを提案する。 このアプローチがユーザとのインタラクションを著しく少なくし、学習に必要なダイアログ数の35%を削減し、シミュレートされたドメインの集合上で各ドメインに対して個別のポリシーをトレーニングするよりも高い習熟度で学習できることを示します。
  論文  参考訳（メタデータ） (2022-07-01T14:49:05Z)
• A Student-Teacher Architecture for Dialog Domain Adaptation under the Meta-Learning Setting [42.80034363734555]
  データ駆動ダイアログモデルを構築する際に、異なるドメインに効率的に適応できるアルゴリズムを開発することが不可欠である。 本稿ではメタ教師モデルを含むドメイン適応型タスク指向対話システムモデルを提案する。 MultiWOZとGoogle-Guided Dialogueの2つのマルチドメインデータセットでモデルを評価し、最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-04-06T17:31:28Z)
• UniConv: A Unified Conversational Neural Architecture for Multi-domain Task-oriented Dialogues [101.96097419995556]
  ユニコンブ」はタスク指向対話におけるエンドツーエンド対話システムのための新しい統合型ニューラルネットワークである。 我々は、MultiWOZ2.1ベンチマークにおいて、対話状態追跡、コンテキスト・ツー・テキスト、エンドツーエンド設定の包括的な実験を行う。
  論文  参考訳（メタデータ） (2020-04-29T16:28:22Z)
• Not all domains are equally complex: Adaptive Multi-Domain Learning [98.25886129591974]
  深層ニューラルネットワークを用いた多分野学習のための適応パラメータ化手法を提案する。 提案手法は,パラメータ数をはるかに削減しながら,元の手法と同等に動作する。
  論文  参考訳（メタデータ） (2020-03-25T17:16:00Z)

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。