論文の概要: Generating Informative Dialogue Responses with Keywords-Guided Networks

• arxiv url: http://arxiv.org/abs/2007.01652v1
• Date: Fri, 3 Jul 2020 12:47:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 05:30:46.774121
• Title: Generating Informative Dialogue Responses with Keywords-Guided Networks
• Title（参考訳）: キーワード誘導ネットワークを用いた情報対話応答の生成
• Authors: Heng-Da Xu, Xian-Ling Mao, Zewen Chi, Jing-Jing Zhu, Fanshu Sun, Heyan Huang
• Abstract要約: 単純だが効果的なキーワード誘導列列列モデル(KW-Seq2Seq)を提案する。 KW-Seq2Seqはまずキーワードデコーダを使用していくつかのトピックキーワードを予測する。 実験により、KW-Seq2Seqモデルはより情報的、一貫性があり、流動的な応答を生成することが示された。
• 参考スコア（独自算出の注目度）: 38.427090259678934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, open-domain dialogue systems have attracted growing attention. Most of them use the sequence-to-sequence (Seq2Seq) architecture to generate responses. However, traditional Seq2Seq-based open-domain dialogue models tend to generate generic and safe responses, which are less informative, unlike human responses. In this paper, we propose a simple but effective keywords-guided Sequence-to-Sequence model (KW-Seq2Seq) which uses keywords information as guidance to generate open-domain dialogue responses. Specifically, KW-Seq2Seq first uses a keywords decoder to predict some topic keywords, and then generates the final response under the guidance of them. Extensive experiments demonstrate that the KW-Seq2Seq model produces more informative, coherent and fluent responses, yielding substantive gain in both automatic and human evaluation metrics.
• Abstract（参考訳）: 近年,オープンドメイン対話システムが注目されている。 その多くはシーケンス・ツー・シーケンス(Seq2Seq)アーキテクチャを使って応答を生成する。 しかし、従来のseq2seqベースのオープンドメイン対話モデルは汎用的で安全な応答を生成する傾向がある。 本稿では,オープンドメイン対話応答を生成するためのガイダンスとしてキーワード情報を利用する,シンプルだが効果的なキーワード誘導シーケンスモデル(KW-Seq2Seq)を提案する。 具体的には、KW-Seq2Seqはまずキーワードデコーダを使用して、いくつかのトピックキーワードを予測し、それからそれらのガイダンスに基づいて最終応答を生成する。 広範な実験により、kw-seq2seqモデルはより有益でコヒーレントで流動的な応答を生成し、自動評価と人間評価の指標の両方において実質的な利得をもたらすことが示されている。

関連論文リスト

• Improving Question Generation with Multi-level Content Planning [70.37285816596527]
  本稿では、与えられたコンテキストと回答から質問を生成する問題に対処し、特に拡張されたコンテキストをまたいだマルチホップ推論を必要とする質問に焦点をあてる。 具体的には、キーフレーズを同時に選択して完全な回答を生成するFA-modelと、生成した全回答を付加的な入力として取り込んだQ-modelの2つのコンポーネントを含む。
  論文  参考訳（メタデータ） (2023-10-20T13:57:01Z)
• HPE:Answering Complex Questions over Text by Hybrid Question Parsing and Execution [92.69684305578957]
  テキストQAにおける質問解析と実行の枠組みを提案する。 提案したフレームワークは、トップダウンの質問パースとして、ボトムアップの回答バックトラックとみなすことができる。 MuSiQue,2WikiQA,HotpotQA,およびNQに関する実験により,提案した解析およびハイブリッド実行フレームワークが,教師付き,少数ショット,ゼロショット設定における既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-12T22:37:06Z)
• Modeling What-to-ask and How-to-ask for Answer-unaware Conversational Question Generation [30.086071993793823]
  What-to-askとHow-to-askは、回答を意識しない2つの主要な課題である。 本稿では,2段階CQGフレームワークであるSG-CQGを紹介する。
  論文  参考訳（メタデータ） (2023-05-04T18:06:48Z)
• Generate rather than Retrieve: Large Language Models are Strong Context Generators [74.87021992611672]
  本稿では,文書検索を大規模言語モデル生成器に置き換えることで,知識集約型タスクを解く新しい視点を提案する。 我々は,提案手法をgenRead (genRead) と呼び,まず大きな言語モデルに対して,与えられた質問に基づいて文脈文書を生成し,次に生成された文書を読み出して最終回答を生成する。
  論文  参考訳（メタデータ） (2022-09-21T01:30:59Z)
• Grounding in social media: An approach to building a chit-chat dialogue model [9.247397520986999]
  豊かな人間のような会話能力を持つオープンドメイン対話システムを構築することは、言語生成における根本的な課題の1つである。 知識に基づく対話生成に関する現在の研究は、主にウィキペディアのような事実に基づく構造化知識ソースを法人化または検索することに焦点を当てている。 本手法は,ソーシャルメディア上での人間の反応行動の模倣によって,システムの生会話能力を向上させることを目的とした,より広範かつシンプルなアプローチである。
  論文  参考訳（メタデータ） (2022-06-12T09:01:57Z)
• Improving Automated Evaluation of Open Domain Dialog via Diverse Reference Augmentation [30.841109045790862]
  本稿では,人間の生成した参照を自動的に拡張する手法を提案する。 我々は、知識ソースから妥当な参照を取得し、それらが、問題となるダイアログインスタンスのコンテキストにより精通するように適応する。
  論文  参考訳（メタデータ） (2021-06-05T08:18:41Z)
• Hierarchical Transformer for Task Oriented Dialog Systems [11.743662338418867]
  HREDやHIBERTのようなモデルを含む任意の階層的エンコーダに、特別なデザインのアテンションマスクや位置エンコーダを用いて標準トランスフォーマーをどのように変形させるかを示す。 タスク指向対話システムのためのトランスフォーマーベースモデルにおいて,階層階層的階層構造がコンテキストの自然言語理解に有効であることを実証する。
  論文  参考訳（メタデータ） (2020-10-24T10:08:52Z)
• Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
  キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。 最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。 本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
  論文  参考訳（メタデータ） (2020-10-24T08:11:23Z)
• Diversifying Task-oriented Dialogue Response Generation with Prototype Guided Paraphrasing [52.71007876803418]
  タスク指向対話システム(TDS)における既存の対話応答生成(DRG)方法は、テンプレートベースとコーパスベースという2つのカテゴリに分類される。 我々はP2-Netと呼ばれるプロトタイプベースのパラフレーズニューラルネットワークを提案し、精度と多様性の両面で応答の質を高めることを目的としている。
  論文  参考訳（メタデータ） (2020-08-07T22:25:36Z)

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。