論文の概要: Would you Like to Talk about Sports Now? Towards Contextual Topic
Suggestion for Open-Domain Conversational Agents
- arxiv url: http://arxiv.org/abs/2005.13803v1
- Date: Thu, 28 May 2020 06:41:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 05:11:51.857649
- Title: Would you Like to Talk about Sports Now? Towards Contextual Topic
Suggestion for Open-Domain Conversational Agents
- Title（参考訳）: 今、スポーツについて話しませんか。
オープンドメイン対話エージェントの文脈的話題提案に向けて
- Authors: Ali Ahmadvand, Harshita Sahijwani, Eugene Agichtein
- Abstract要約: 我々は、オープンドメイン会話のためのパーソナライズされたコンテキストトピック提案のための様々な手法を探索する。
これらの手法の有効性を評価するために、Amazon Alexa Prize 2018 Conversational AI Challengeの一部として収集された実際の会話を使用する。
- 参考スコア（独自算出の注目度）: 9.888293527286537
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To hold a true conversation, an intelligent agent should be able to
occasionally take initiative and recommend the next natural conversation topic.
This is a challenging task. A topic suggested by the agent should be relevant
to the person, appropriate for the conversation context, and the agent should
have something interesting to say about it. Thus, a scripted, or
one-size-fits-all, popularity-based topic suggestion is doomed to fail.
Instead, we explore different methods for a personalized, contextual topic
suggestion for open-domain conversations. We formalize the Conversational Topic
Suggestion problem (CTS) to more clearly identify the assumptions and
requirements. We also explore three possible approaches to solve this problem:
(1) model-based sequential topic suggestion to capture the conversation context
(CTS-Seq), (2) Collaborative Filtering-based suggestion to capture previous
successful conversations from similar users (CTS-CF), and (3) a hybrid approach
combining both conversation context and collaborative filtering. To evaluate
the effectiveness of these methods, we use real conversations collected as part
of the Amazon Alexa Prize 2018 Conversational AI challenge. The results are
promising: the CTS-Seq model suggests topics with 23% higher accuracy than the
baseline, and incorporating collaborative filtering signals into a hybrid
CTS-Seq-CF model further improves recommendation accuracy by 12%. Together, our
proposed models, experiments, and analysis significantly advance the study of
open-domain conversational agents, and suggest promising directions for future
improvements.
- Abstract（参考訳）: 真の会話を行うには、インテリジェントエージェントは時々イニシアチブを受け取り、次の自然な会話トピックを推奨できるべきである。
これは難しい仕事です。
エージェントが提案するトピックは、その人に関連するものでなければならず、会話のコンテキストに適しており、エージェントはそれについて何か面白いことを言うべきである。
したがって、スクリプト化された、あるいはすべてに適合する、人気に基づくトピックの提案は失敗の運命にある。
代わりに、オープンドメイン会話のためのパーソナライズされたコンテキストトピック提案のためのさまざまな方法を検討する。
我々は,会話トピック提案問題(CTS)を形式化し,仮定と要件をより明確に識別する。
1)会話コンテキストをキャプチャするためのモデルベースの逐次トピック提案(CTS-Seq)、(2)類似ユーザ(CTS-CF)からの以前の会話をキャプチャするための協調フィルタリングに基づく提案(CTS-CF)、(3)会話コンテキストと協調フィルタリングを組み合わせたハイブリッドアプローチ(リンク)である。
これらの手法の有効性を評価するために、Amazon Alexa Prize 2018 Conversational AI Challengeの一部として収集された実際の会話を使用する。
CTS-Seqモデルでは、ベースラインよりも23%高い精度のトピックが提案され、協調フィルタリング信号をハイブリッドCTS-Seq-CFモデルに組み込むことで、推奨精度が12%向上する。
提案するモデル,実験,分析により,オープンドメイン会話エージェントの研究が大幅に進展し,今後の改善に向けた有望な方向性が示唆された。
関連論文リスト
- NewsDialogues: Towards Proactive News Grounded Conversation [72.10055780635625]
本稿では,対話システムがニュースの重要な話題に基づいて会話を積極的にリードする新しいタスク,Proactive News Grounded Conversationを提案する。
この課題をさらに発展させるために、人間と人間の対話データセットtsNewsDialoguesを収集し、合計14.6Kの発話を含む1Kの会話を含む。
論文 参考訳（メタデータ） (2023-08-12T08:33:42Z) - Sequential Topic Selection Model with Latent Variable for Topic-Grounded
Dialogue [21.1427816176227]
我々は,すべての会話における話題遷移を活用するために,SGTA(Sequential Global Topic Attention)という新しいアプローチを提案する。
我々のモデルは予測および生成タスクの競争ベースラインを上回っている。
論文 参考訳（メタデータ） (2022-10-17T07:34:14Z) - End-to-end Spoken Conversational Question Answering: Task, Dataset and
Model [92.18621726802726]
音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。
本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。
本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
論文 参考訳（メタデータ） (2022-04-29T17:56:59Z) - Self-Supervised Bot Play for Conversational Recommendation with
Justifications [3.015622397986615]
会話レコメンデーションシステムのトレーニングを行うための新しい2部フレームワークを開発した。
まず,提案する項目を共同で提案し,その推論を主観的な側面で正当化するために,推薦システムを訓練する。
次に、このモデルを微調整して、自己教師型ボットプレイによる反復的なユーザフィードバックを組み込む。
論文 参考訳（メタデータ） (2021-12-09T20:07:41Z) - Analysing Mixed Initiatives and Search Strategies during Conversational
Search [31.63357369175702]
本稿では,対話型検索のモデルを提案する。そこから観察された対話型検索戦略をインスタンス化し,エージェントが引き起こす: (i) フィードバックファースト, (ii) フィードバックアフタ。
分析の結果,質問結果の提示後に質問された場合,質問内容の明確化が良好であるのに対して,質問内容の明確化が良好であることが判明した。
論文 参考訳（メタデータ） (2021-09-13T13:30:10Z) - Towards Data Distillation for End-to-end Spoken Conversational Question
Answering [65.124088336738]
音声対話型質問応答タスク(SCQA)を提案する。
SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。
我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
論文 参考訳（メタデータ） (2020-10-18T05:53:39Z) - Response Selection for Multi-Party Conversations with Dynamic Topic
Tracking [63.15158355071206]
我々は、応答と関連する会話コンテキストの間のトピックを一致させるために、動的トピック追跡タスクとして応答選択をフレーム化する。
本研究では,大規模な事前学習モデルによる効率的な符号化を支援する新しいマルチタスク学習フレームワークを提案する。
DSTC-8 Ubuntu IRCデータセットの実験結果は、応答選択とトピックのアンタングル化タスクにおける最先端の結果を示している。
論文 参考訳（メタデータ） (2020-10-15T14:21:38Z) - Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。
トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
論文 参考訳（メタデータ） (2020-09-26T08:43:06Z) - ConvAI3: Generating Clarifying Questions for Open-Domain Dialogue
Systems (ClariQ) [64.60303062063663]
本論文では,対話システムに対する質問の明確化に関する課題について詳述する(ClariQ)。
このチャレンジは、2020年のSearch Oriented Conversational AI (SCAI) EMNLPワークショップで、ConvAI3(Conversational AI Challenge series)の一部として組織されている。
論文 参考訳（メタデータ） (2020-09-23T19:48:02Z)
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。