論文の概要: Difference-aware Knowledge Selection for Knowledge-grounded Conversation Generation

• arxiv url: http://arxiv.org/abs/2009.09378v1
• Date: Sun, 20 Sep 2020 07:47:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-10-16 12:35:45.861835
• Title: Difference-aware Knowledge Selection for Knowledge-grounded Conversation Generation
• Title（参考訳）: 知識接地会話生成のための差異認識知識選択
• Authors: Chujie Zheng, Yunbo Cao, Daxin Jiang, Minlie Huang
• Abstract要約: マルチターン・ナレッジ・グラウンドド・ダイアログのための差分認識型知識選択手法を提案する。 まず、現在のターンで提供される候補知識文と、前のターンで選択された候補知識文との差を計算する。 そして、差分情報を文脈情報と融合または解離させ、最終的な知識選択を容易にする。
• 参考スコア（独自算出の注目度）: 101.48602006200409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In a multi-turn knowledge-grounded dialog, the difference between the knowledge selected at different turns usually provides potential clues to knowledge selection, which has been largely neglected in previous research. In this paper, we propose a difference-aware knowledge selection method. It first computes the difference between the candidate knowledge sentences provided at the current turn and those chosen in the previous turns. Then, the differential information is fused with or disentangled from the contextual information to facilitate final knowledge selection. Automatic, human observational, and interactive evaluation shows that our method is able to select knowledge more accurately and generate more informative responses, significantly outperforming the state-of-the-art baselines. The codes are available at https://github.com/chujiezheng/DiffKS.
• Abstract（参考訳）: 多ターンの知識接地ダイアログでは、異なる順番で選択された知識の違いは、通常知識選択の潜在的な手がかりとなる。 本稿では,差分認識型知識選択手法を提案する。 まず、現在のターンで提供される候補知識文と、前のターンで選択された文との差を算出する。 そして、差分情報を文脈情報と融合または解離させ、最終的な知識選択を容易にする。 自動的,人間の観察的,インタラクティブな評価により,本手法は知識をより正確に選択し,より情報的な応答を生成できることを示す。 コードはhttps://github.com/chujiezheng/diffksで入手できる。

関連論文リスト

• A Knowledge Plug-and-Play Test Bed for Open-domain Dialogue Generation [51.31429493814664]
  マルチソース対話知識の選択と応答生成を評価するために,ウィキペディアのマルチソースウィザードというベンチマークを示す。 本稿では,すでに訓練済みの対話モデルを用いて,未確認の情報源からの新たなサポート知識を利用するための新たな課題である対話知識プラグイン・アンド・プレイを提案する。
  論文  参考訳（メタデータ） (2024-03-06T06:54:02Z)
• Graph vs. Sequence: An Empirical Study on Knowledge Forms for Knowledge-Grounded Dialogue [45.36967792307907]
  我々は,3つの本質的な疑問に答えるために,その課題について徹底的な実験と研究を行う。 質問には、適切な知識形態の選択、知識とモデル選択の間の相互効果の度合い、知識のわずかなパフォーマンスなどが含まれる。
  論文  参考訳（メタデータ） (2023-12-13T03:16:33Z)
• Well Begun is Half Done: Generator-agnostic Knowledge Pre-Selection for Knowledge-Grounded Dialogue [24.395322923436026]
  本研究は,事前知識を正確に選択できるだけでなく,学習,調整,解釈の負担を軽減できるという利点がある第3のアンダーサーサーサーサーサーサーサーサーサー研究に焦点をあてる。 本稿では,ジェネレータに依存しない知識選択手法であるGATEを提案する。
  論文  参考訳（メタデータ） (2023-10-11T17:00:29Z)
• Enhanced Knowledge Selection for Grounded Dialogues via Document Semantic Graphs [123.50636090341236]
  本稿では,背景知識文書を自動的に文書意味グラフに変換することを提案する。 文書意味グラフは文ノードを用いて文レベル情報を保存し,文間の概念接続を提供する。 本実験により,HolEにおける知識選択タスクとエンドツーエンド応答生成タスクの双方において,意味グラフに基づく知識選択が文選択ベースラインよりも改善されることが示されている。
  論文  参考訳（メタデータ） (2022-06-15T04:51:32Z)
• There Are a Thousand Hamlets in a Thousand People's Eyes: Enhancing Knowledge-grounded Dialogue with Personal Memory [67.24942840683904]
  知識に基づく会話における知識選択に個人記憶を導入する。 本研究では,個人記憶から知識への前方マッピングと,その逆マッピングを閉ループに含める学習手法を提案する。 実験の結果,提案手法は自動評価と人的評価の両方において既存のKGC法よりも優れていた。
  論文  参考訳（メタデータ） (2022-04-06T07:06:37Z)
• Knowledge-Grounded Dialogue with Reward-Driven Knowledge Selection [1.1633929083694388]
  Knoformerは強化学習に基づく対話応答生成モデルである。 知識プールから1つ以上の関連する知識を自動的に選択することができ、トレーニング中に知識ラベルを必要としない。
  論文  参考訳（メタデータ） (2021-08-31T08:53:08Z)
• Contextualized Knowledge-aware Attentive Neural Network: Enhancing Answer Selection with Knowledge [77.77684299758494]
  ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。 まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。 KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
  論文  参考訳（メタデータ） (2021-04-12T05:52:20Z)
• Improving Commonsense Question Answering by Graph-based Iterative Retrieval over Multiple Knowledge Sources [26.256653692882715]
  疑問に答えるシステムにおいて、コモンセンスを効果的に活用する方法はまだ検討中である。 本研究では,ConceptNet,Wikipedia,Cambridge Dictionaryを統合した質問応答手法を提案する。 学習済みの言語モデルを用いて、質問を符号化し、知識と選択を検索し、回答の選択を意識した注意機構を提案する。
  論文  参考訳（メタデータ） (2020-11-05T08:50:43Z)
• Sequential Latent Knowledge Selection for Knowledge-Grounded Dialogue [51.513276162736844]
  この問題に対する最初のアプローチとして,逐次潜在変数モデルを提案する。 シーケンシャル・ナレッジ・トランスフォーマー (SKT) という名前のモデルは、知識よりも先行と後続の分布を追跡することができる。
  論文  参考訳（メタデータ） (2020-02-18T11:59:59Z)

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。