Fugu-MT 論文翻訳(概要): End to End Dialogue Transformer

論文の概要: End to End Dialogue Transformer

arxiv url: http://arxiv.org/abs/2008.10392v1
Date: Mon, 24 Aug 2020 12:43:08 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 11:49:26.039569
Title: End to End Dialogue Transformer
Title（参考訳）: エンド・ツー・エンドの対話トランスフォーマ
Authors: Ond\v{r}ej M\v{e}kota, Memduh G\"ok{\i}rmak, Petr Laitoch
Abstract要約: 私たちは、リカレントニューラルネットワークベースのモデルSequicityのパフォーマンスにインスピレーションを受けています。本稿では,SequicityのRNNアーキテクチャの代わりに,Transformerアーキテクチャに基づく対話システムを提案する。
参考スコア（独自算出の注目度）: 0.0019832631155284838
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dialogue systems attempt to facilitate conversations between humans and computers, for purposes as diverse as small talk to booking a vacation. We are here inspired by the performance of the recurrent neural network-based model Sequicity, which when conducting a dialogue uses a sequence-to-sequence architecture to first produce a textual representation of what is going on in the dialogue, and in a further step use this along with database findings to produce a reply to the user. We here propose a dialogue system based on the Transformer architecture instead of Sequicity's RNN-based architecture, that works similarly in an end-to-end, sequence-to-sequence fashion.
Abstract（参考訳）: 対話システムは、休暇を予約する小さな会話のような目的のために、人間とコンピュータ間の会話を促進する。ここでは、リカレントニューラルネットワークベースモデルSequicityの性能に着想を得ており、対話を行う際には、まずシーケンシャル・ツー・シーケンス・アーキテクチャを使用して対話で起きていることのテキスト表現を生成し、さらにこれをデータベースの発見とともに使用して、ユーザに応答を生成する。本稿では,SequicityのRNNアーキテクチャの代わりにTransformerアーキテクチャに基づく対話システムを提案する。

関連論文リスト

A Static and Dynamic Attention Framework for Multi Turn Dialogue Generation [37.79563028123686]
オープンドメインマルチターン対話生成では,対話履歴の文脈意味論をモデル化することが不可欠である。従来の研究は、オープンドメインマルチターン対話生成における階層的再帰エンコーダデコーダフレームワークの有効性を検証していた。本稿では,対話履歴をモデル化し,オープンドメインのマルチターン対話応答を生成する静的かつ動的アテンションに基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-10-28T06:05:34Z)
Dialog-to-Actions: Building Task-Oriented Dialogue System via Action-Level Generation [7.110201160927713]
本稿では,アクションレベル生成によるタスク指向対話システムを提案する。具体的には、まず大規模な対話から対話行動を構築し、対話行動のシーケンスとして各自然言語(NL)応答を表現する。本研究では,対話履歴を入力とし,対話行動のシーケンスを出力するシーケンス・ツー・シーケンスモデルを訓練する。
論文参考訳（メタデータ） (2023-04-03T11:09:20Z)
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)
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)
Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
論文参考訳（メタデータ） (2022-02-28T20:18:12Z)
Discovering Dialog Structure Graph for Open-Domain Dialog Generation [51.29286279366361]
chitchat corporaの対話構造を無監督で発見します。次に、下流システムでのダイアログ生成を容易にするために利用します。本稿では,グラフニューラルネットワーク(DVAE-GNN)を用いた離散変分自動エンコーダを提案する。
論文参考訳（メタデータ） (2020-12-31T10:58:37Z)
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)
Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
論文参考訳（メタデータ） (2020-09-17T23:07:03Z)
Ranking Enhanced Dialogue Generation [77.8321855074999]
対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。本稿では,ランキング拡張対話生成フレームワークを提案する。
論文参考訳（メタデータ） (2020-08-13T01:49:56Z)
Exploring Recurrent, Memory and Attention Based Architectures for Scoring Interactional Aspects of Human-Machine Text Dialog [9.209192502526285]
本稿は、複数のニューラルアーキテクチャを調べるために、この方向の以前の研究に基づいている。我々は,クラウドベースの対話システムと対話する人間の学習者からテキストダイアログの対話データベース上で実験を行う。複数のアーキテクチャの融合は、専門家間の合意に比較して、我々の自動スコアリングタスクにおいて有能に機能することがわかった。
論文参考訳（メタデータ） (2020-05-20T03:23:00Z)
EmpTransfo: A Multi-head Transformer Architecture for Creating Empathetic Dialog Systems [4.41738804598711]
本稿では,共感対話システムを構築するためのマルチヘッドトランスフォーマーアーキテクチャであるEmpTransfoを提案する。感情やメタデータの履歴を活用することで、生成した会話の質を向上させることができることを示す。
論文参考訳（メタデータ） (2020-03-05T23:09:24Z)

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。