論文の概要: Emora STDM: A Versatile Framework for Innovative Dialogue System Development

• arxiv url: http://arxiv.org/abs/2006.06143v1
• Date: Thu, 11 Jun 2020 01:31:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 09:35:38.221288
• Title: Emora STDM: A Versatile Framework for Innovative Dialogue System Development
• Title（参考訳）: Emora STDM: 対話システム開発のための多言語フレームワーク
• Authors: James D. Finch and Jinho D. Choi
• Abstract要約: Emora STDMは、チャットベースの対話マネージャの迅速なプロトタイピングのための斬新な対話システム開発フレームワークである。 我々のフレームワークは、状態マシンと情報状態という2つの一般的なアプローチと対話管理との相互運用性をサポートすることで、幅広い専門レベルに到達します。
• 参考スコア（独自算出の注目度）: 17.14709845342071
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This demo paper presents Emora STDM (State Transition Dialogue Manager), a dialogue system development framework that provides novel workflows for rapid prototyping of chat-based dialogue managers as well as collaborative development of complex interactions. Our framework caters to a wide range of expertise levels by supporting interoperability between two popular approaches, state machine and information state, to dialogue management. Our Natural Language Expression package allows seamless integration of pattern matching, custom NLP modules, and database querying, that makes the workflows much more efficient. As a user study, we adopt this framework to an interdisciplinary undergraduate course where students with both technical and non-technical backgrounds are able to develop creative dialogue managers in a short period of time.
• Abstract（参考訳）: 本稿では、チャットベースの対話マネージャの迅速なプロトタイピングと複雑な対話の協調開発のための新しいワークフローを提供する対話システム開発フレームワークであるEmora STDM(State Transition Dialogue Manager)を紹介する。 我々のフレームワークは、状態マシンと情報状態という2つの一般的なアプローチと対話管理との相互運用性をサポートすることで、幅広い専門レベルに到達します。 私たちの自然言語表現パッケージは、パターンマッチング、カスタムNLPモジュール、データベースクエリのシームレスな統合を可能にし、ワークフローをより効率的にします。 本研究では,この枠組みを,技術系と非技術系の両方の学生が短期間で創造的な対話マネージャを育成できる学際的な学部間授業に適用する。

関連論文リスト

• An Efficient Self-Learning Framework For Interactive Spoken Dialog Systems [18.829793635104608]
  ダイアログシステムにおけるASRの一般的なフレームワークを紹介する。 従来の学習と比較して,我々の新しいフレームワークを活用することで,実世界の対話システムにおいて比較的WERが10%近く削減されることが示されている。
  論文  参考訳（メタデータ） (2024-09-16T17:59:50Z)
• Towards a Neural Era in Dialogue Management for Collaboration: A Literature Survey [0.0]
  調査は、共同対話システムにおける対話管理パラダイムの進化をレビューすることから始まる。 その後、現在のデータ駆動型対話管理技術に焦点を移す。 論文は、協調対話管理にニューラルアプローチを適用した最近の研究の集合を分析する。
  論文  参考訳（メタデータ） (2023-07-18T07:20:43Z)
• PaCE: Unified Multi-modal Dialogue Pre-training with Progressive and Compositional Experts [45.69829921539995]
  本稿では,構造化された多モーダル対話事前学習フレームワークである textbfPaCE を提案する。 複数の対話関連タスクに対応するために、いくつかの基本的な専門家を組み合わせており、限られた対話と広範な非対話マルチモーダルデータを用いて事前訓練することができる。 実験の結果,PaCEは8つのマルチモーダルダイアログベンチマークで最先端の結果を得ることができた。
  論文  参考訳（メタデータ） (2023-05-24T07:43:29Z)
• Back to the Future: Bidirectional Information Decoupling Network for Multi-turn Dialogue Modeling [80.51094098799736]
  ユニバーサル対話エンコーダとして双方向情報デカップリングネットワーク(BiDeN)を提案する。 BiDeNは過去と将来の両方のコンテキストを明示的に取り入れており、幅広い対話関連のタスクに一般化することができる。 異なる下流タスクのデータセットに対する実験結果は、我々のBiDeNの普遍性と有効性を示している。
  論文  参考訳（メタデータ） (2022-04-18T03:51:46Z)
• UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented Dialogues [59.499965460525694]
  上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。 我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。 我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
  論文  参考訳（メタデータ） (2021-10-15T11:56:47Z)
• A Simple But Effective Approach to n-shot Task-Oriented Dialogue Augmentation [32.43362825854633]
  本稿では,タスク指向対話を完全自動で生成するフレームワークを提案する。 我々のフレームワークはタスク指向対話における各ターンペアは特定の機能を持つという単純な考え方を用いています。 いくつかのドメインの微調整シナリオの大幅な改善を観察します。
  論文  参考訳（メタデータ） (2021-02-27T18:55:12Z)
• Integrating Pre-trained Model into Rule-based Dialogue Management [32.90885176553305]
  ルールベースの対話管理は、まだ産業用タスク指向対話システムのための最も人気のあるソリューションです。 データ駆動対話システム(通常はエンドツーエンド構造)は学術研究で人気がある。 本稿ではルールベースとデータ駆動型ダイアログマネージャの長所を活用する手法を提案する。
  論文  参考訳（メタデータ） (2021-02-17T03:44:22Z)
• A Survey on Dialog Management: Recent Advances and Challenges [72.52920723074638]
  ダイアログ管理(DM)はタスク指向ダイアログシステムにおいて重要なコンポーネントである。 1)新しいシナリオにおけるダイアログシステムモデリングを容易にするためのモデルスケーラビリティの改善,(2)ダイアログポリシー学習におけるデータ不足問題への対処,(3)タスク補完性能を向上させるためのトレーニング効率の向上。
  論文  参考訳（メタデータ） (2020-05-05T14:31:24Z)
• Conversation Learner -- A Machine Teaching Tool for Building Dialog Managers for Task-Oriented Dialog Systems [57.082447660944965]
  Conversation Learnerは、ダイアログマネージャを構築するための機械学習ツールである。 ダイアログ作成者が慣れ親しんだツールを使ってダイアログフローを作成し、ダイアログフローをパラメトリックモデルに変換することができる。 ユーザシステムダイアログをトレーニングデータとして活用することで、ダイアログ作成者が時間とともにダイアログマネージャを改善することができる。
  論文  参考訳（メタデータ） (2020-04-09T00:10:54Z)
• Recent Advances and Challenges in Task-oriented Dialog System [63.82055978899631]
  課題指向対話システムは、学術・産業社会でますます注目を集めている。 タスク指向ダイアログシステムにおける3つの重要なトピックについて論じる。(1)低リソース環境でのダイアログモデリングを容易にするデータ効率の改善、(2)ダイアログポリシー学習のためのマルチターンダイナミクスのモデリング、(3)ダイアログモデルへのドメイン知識の統合。
  論文  参考訳（メタデータ） (2020-03-17T01:34:56Z)

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。