論文の概要: Profile Consistency Identification for Open-domain Dialogue Agents

• arxiv url: http://arxiv.org/abs/2009.09680v5
• Date: Mon, 17 May 2021 03:13:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 04:50:57.925192
• Title: Profile Consistency Identification for Open-domain Dialogue Agents
• Title（参考訳）: オープンドメイン対話エージェントのプロファイル一貫性同定
• Authors: Haoyu Song, Yan Wang, Wei-Nan Zhang, Zhengyu Zhao, Ting Liu, Xiaojiang Liu
• Abstract要約: 一貫性のある属性プロファイルを維持することは、対話エージェントが人間と自然に会話するために不可欠である。 110K以上のシングルターン会話とキー値属性プロファイルを備えた大規模な人間アノテーション付きデータセットを作成します。
• 参考スコア（独自算出の注目度）: 39.159162271430205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Maintaining a consistent attribute profile is crucial for dialogue agents to naturally converse with humans. Existing studies on improving attribute consistency mainly explored how to incorporate attribute information in the responses, but few efforts have been made to identify the consistency relations between response and attribute profile. To facilitate the study of profile consistency identification, we create a large-scale human-annotated dataset with over 110K single-turn conversations and their key-value attribute profiles. Explicit relation between response and profile is manually labeled. We also propose a key-value structure information enriched BERT model to identify the profile consistency, and it gained improvements over strong baselines. Further evaluations on downstream tasks demonstrate that the profile consistency identification model is conducive for improving dialogue consistency.
• Abstract（参考訳）: 一貫性のある属性プロファイルを維持することは、対話エージェントが人間と自然に会話するために重要である。 属性の整合性を改善するための既存の研究は、主に属性情報を応答に組み込む方法を検討したが、応答と属性プロファイルの整合性関係を識別する試みはほとんど行われていない。 プロファイル整合性同定の容易化を目的として,110K以上のシングルターン会話とキー値属性プロファイルを持つ大規模ヒューマンアノテートデータセットを作成する。 応答とプロファイルの明示的な関係は手動でラベル付けされる。 また、プロファイルの整合性を特定するためにBERTモデルを強化したキー値構造情報も提案し、強力なベースラインよりも改善した。 下流タスクのさらなる評価は、プロファイル整合性同定モデルが対話整合性を改善するために導出可能であることを示す。

関連論文リスト

• DePrompt: Desensitization and Evaluation of Personal Identifiable Information in Large Language Model Prompts [11.883785681042593]
  DePromptは、プロンプトのための脱感作保護および有効性評価フレームワークである。 我々は、コンテキスト属性を統合し、プライバシタイプを定義し、高精度なPIIエンティティ識別を実現する。 私たちのフレームワークはプロンプトに適応可能で、テキストのユーザビリティに依存したシナリオに拡張できます。
  論文  参考訳（メタデータ） (2024-08-16T02:38:25Z)
• A Plug-and-Play Method for Rare Human-Object Interactions Detection by Bridging Domain Gap [50.079224604394]
  textbfContext-textbfEnhanced textbfFeature textbfAment (CEFA) と呼ばれる新しいモデルに依存しないフレームワークを提案する。 CEFAは機能アライメントモジュールとコンテキスト拡張モジュールで構成される。 本手法は, 稀なカテゴリにおけるHOIモデルの検出性能を向上させるために, プラグアンドプレイモジュールとして機能する。
  論文  参考訳（メタデータ） (2024-07-31T08:42:48Z)
• PRODIGy: a PROfile-based DIalogue Generation dataset [12.566555088877871]
  コミュニケーションスタイル, 伝記, パーソナリティなど, 各対話が可能なすべての話者表現と整合する新たなリソースを提案する。 このフレームワークは、複数のプロファイル構成を持つ生成言語モデルを使用して構築されたいくつかのベースラインをテストすることができる。
  論文  参考訳（メタデータ） (2023-11-09T08:19:34Z)
• A Solution to Co-occurrence Bias: Attributes Disentanglement via Mutual Information Minimization for Pedestrian Attribute Recognition [10.821982414387525]
  そこで本研究では,現在の手法が,データセット分布のシーンやアイデンティティに適合する属性の相互依存性の一般化に実際に苦慮していることを示す。 現実的な場面で頑健なモデルをレンダリングするために,属性不整形特徴学習を提案し,属性の認識が他者の存在に依存しないことを保証する。
  論文  参考訳（メタデータ） (2023-07-28T01:34:55Z)
• ChatGPT Evaluation on Sentence Level Relations: A Focus on Temporal, Causal, and Discourse Relations [52.26802326949116]
  対話型大規模言語モデルChatGPTの性能を,文間関係に基づいて定量的に評価する。 ChatGPTは因果関係の検出と推論において極めて優れた能力を示す。 既存の明示的な談話接続物との談話関係の大多数を特定できるが、暗黙的な談話関係は依然として恐ろしい課題である。
  論文  参考訳（メタデータ） (2023-04-28T13:14:36Z)
• TransFA: Transformer-based Representation for Face Attribute Evaluation [87.09529826340304]
  我々はtextbfTransFA を用いたtextbfattribute 評価のための新しい textbf Transformer 表現を提案する。 提案するTransFAは,最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-12T10:58:06Z)
• Calibrated Feature Decomposition for Generalizable Person Re-Identification [82.64133819313186]
  Calibrated Feature Decomposition (CFD)モジュールは、人物の再識別の一般化能力の向上に焦点を当てている。 キャリブレーション・アンド・スタンダード化されたバッチ正規化(CSBN)は、キャリブレーションされた人物表現を学習するために設計されている。
  論文  参考訳（メタデータ） (2021-11-27T17:12:43Z)
• Persona Authentication through Generative Dialogue [31.69392173623805]
  我々は,ペルソナモデルの整合性を検証するために,会話ポリシーを学習する,ペルソナ認証の問題を定義し,検討する。 学習目標を提案し,この目的の下で訓練された局所密度推定器がペルソナ情報と対話軌跡の相互情報を最大化することを示す。 本研究では,パーソナライズされた質問を適応的に出力し,パートナーの持つペルソナを明らかにする認証モデルを学習する手法を開発した。
  論文  参考訳（メタデータ） (2021-10-25T13:37:48Z)
• Joint Item Recommendation and Attribute Inference: An Adaptive Graph Convolutional Network Approach [61.2786065744784]
  レコメンデーションシステムでは、ユーザとアイテムは属性に関連付けられ、ユーザはアイテムの好みを表示する。 ユーザ(item)属性をアノテートすることは労働集約的なタスクであるため、属性値が欠落している多くの属性値と不完全であることが多い。 本稿では,共同項目推薦と属性推論のための適応グラフ畳み込みネットワーク(AGCN)アプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-25T10:50:01Z)
• An Empirical Study of Person Re-Identification with Attributes [15.473033192858543]
  本稿では, 属性に基づく手法を提案し, 興味のある人物を視覚的属性の集合として記述する。 複数のアルゴリズムを比較し、属性の品質がパフォーマンスに与える影響を分析する。 キーとなる結論は、専門家が注釈付けした属性ではなく、専門家でない属性によって達成されるパフォーマンスは、個人を再識別するための属性ベースのアプローチのステータスクォーのより忠実な指標である、ということだ。
  論文  参考訳（メタデータ） (2020-01-25T22:18:51Z)

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。