論文の概要: CREDIT: Coarse-to-Fine Sequence Generation for Dialogue State Tracking
- arxiv url: http://arxiv.org/abs/2009.10435v1
- Date: Tue, 22 Sep 2020 10:27:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 22:25:18.469206
- Title: CREDIT: Coarse-to-Fine Sequence Generation for Dialogue State Tracking
- Title（参考訳）: CREDIT:対話状態追跡のための粗-重系列生成
- Authors: Zhi Chen, Lu Chen, Zihan Xu, Yanbin Zhao, Su Zhu and Kai Yu
- Abstract要約: 対話状態トラッカーは、現在の対話状態のコンパクトな表現を正確に見つけることを目的としている。
我々はシーケンス生成問題として構造化状態表現とキャスト対話状態追跡を用いる。
我々のトラッカーは,MultiWOZ 2.0とMultiWOZ 2.1データセットの5つの領域で共同目標精度を向上することを示した。
- 参考スコア（独自算出の注目度）: 44.38388988238695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In dialogue systems, a dialogue state tracker aims to accurately find a
compact representation of the current dialogue status, based on the entire
dialogue history. While previous approaches often define dialogue states as a
combination of separate triples ({\em domain-slot-value}), in this paper, we
employ a structured state representation and cast dialogue state tracking as a
sequence generation problem. Based on this new formulation, we propose a {\bf
C}oa{\bf R}s{\bf E}-to-fine {\bf DI}alogue state {\bf T}racking ({\bf CREDIT})
approach. Taking advantage of the structured state representation, which is a
marked language sequence, we can further fine-tune the pre-trained model (by
supervised learning) by optimizing natural language metrics with the policy
gradient method. Like all generative state tracking methods, CREDIT does not
rely on pre-defined dialogue ontology enumerating all possible slot values.
Experiments demonstrate our tracker achieves encouraging joint goal accuracy
for the five domains in MultiWOZ 2.0 and MultiWOZ 2.1 datasets.
- Abstract（参考訳）: 対話システムにおいて、対話状態トラッカーは、対話履歴全体に基づいて、現在の対話状態のコンパクトな表現を正確に見つけることを目的としている。
従来のアプローチでは対話状態は分離三重項 ({\em domain-slot-value}) の組合せとして定義されることが多いが,本論文では構造化状態表現と対話状態追跡をシーケンス生成問題として用いる。
この新たな定式化に基づき、我々は {\bf C}o{\bf R}s{\bf E}-to-fine {\bf DI}alogue state {\bf T}racking ({\bf CREDIT}) アプローチを提案する。
マーク付き言語列である構造化状態表現を利用することで、自然言語メトリクスをポリシー勾配法で最適化することで、(教師付き学習によって)事前学習されたモデルをさらに微調整することができる。
全ての生成状態追跡方法と同様に、CREDITはすべての可能なスロット値を列挙する事前に定義された対話オントロジーに依存しない。
実験により,マルチウォズ2.0およびマルチウォズ2.1データセットにおける5つのドメインの共同目標精度が向上することを示した。
関連論文リスト
- Enhancing Visual Dialog State Tracking through Iterative Object-Entity Alignment in Multi-Round Conversations [3.784841749866846]
MDST(Multi-round Dialogue State Tracking Model)を導入する。
MDSTは、内的対話状態表現を視覚言語表現の2-タプルとして定義し、各ラウンドの対話履歴をキャプチャする。
VisDial v1.0データセットの実験結果は、MDSTが生成環境において新しい最先端性能を達成することを示した。
論文 参考訳（メタデータ） (2024-08-13T08:36:15Z) - DIONYSUS: A Pre-trained Model for Low-Resource Dialogue Summarization [127.714919036388]
DIONYSUSは、任意の新しいドメインでの対話を要約するための訓練済みエンコーダデコーダモデルである。
実験の結果,DIONYSUSは6つのデータセット上で既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2022-12-20T06:21:21Z) - SPACE-2: Tree-Structured Semi-Supervised Contrastive Pre-training for
Task-Oriented Dialog Understanding [68.94808536012371]
本稿では,限定ラベル付きダイアログと大規模未ラベルダイアログコーパスから対話表現を学習する,木構造付き事前学習会話モデルを提案する。
提案手法は,7つのデータセットと4つの一般的な対話理解タスクからなるDialoGLUEベンチマークにおいて,最新の結果が得られる。
論文 参考訳（メタデータ） (2022-09-14T13:42:50Z) - OPAL: Ontology-Aware Pretrained Language Model for End-to-End
Task-Oriented Dialogue [40.62090743056549]
本稿では、エンドツーエンドタスク指向対話(TOD)のためのオントロジー対応事前学習言語モデル(OPAL)を提案する。
チャット型対話モデルとは異なり、タスク指向対話モデルは少なくとも2つのタスク固有モジュールを満たす:対話状態トラッカー(DST)と応答生成器(RG)。
論文 参考訳（メタデータ） (2022-09-10T04:38:27Z) - In-Context Learning for Few-Shot Dialogue State Tracking [55.91832381893181]
In-context (IC) Learning framework for few-shot dialogue state tracking (DST)を提案する。
大規模な事前訓練言語モデル(LM)は、テストインスタンスといくつかの注釈付き例を入力として取り、パラメータの更新なしに直接対話状態をデコードする。
これにより、LMは、新しいドメインやシナリオに適応する際の、以前の数ショットのDST作業と比べて、より柔軟でスケーラブルになります。
論文 参考訳（メタデータ） (2022-03-16T11:58:24Z) - Dialogue Summaries as Dialogue States (DS2), Template-Guided
Summarization for Few-shot Dialogue State Tracking [16.07100713414678]
DST(Few-shot dialogue state tracking)は、この問題に対する現実的な解決策である。
本稿では,対話状態追跡を対話要約問題として再検討する。
論文 参考訳（メタデータ） (2022-03-03T07:54:09Z) - 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) - Dialogue State Tracking with Multi-Level Fusion of Predicted Dialogue
States and Conversations [2.6529642559155944]
予測対話状態と会話ネットワークの多レベル融合による対話状態追跡を提案する。
本モデルでは,各発話,対応する最終対話状態,対話スロット間の相互作用をモデル化することにより,各対話ターンに関する情報を抽出する。
論文 参考訳（メタデータ） (2021-07-12T02:30:30Z) - Multi-Domain Dialogue State Tracking based on State Graph [23.828348485513043]
オープン語彙を用いた多ドメイン対話状態追跡(DST)の問題点について検討する。
既存のアプローチは通常、双方向トランスフォーマーエンコーダへの入力として、対話履歴を持つ前の対話状態である。
本稿では,従来の対話状態からのドメイン,スロット,値が適切に接続された対話状態グラフを構築することを提案する。
論文 参考訳（メタデータ） (2020-10-21T16:55:18Z) - Non-Autoregressive Dialog State Tracking [122.2328875457225]
非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。
NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。
以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
論文 参考訳（メタデータ） (2020-02-19T06:39:26Z)
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。