論文の概要: Controlling Style in Generated Dialogue

• arxiv url: http://arxiv.org/abs/2009.10855v1
• Date: Tue, 22 Sep 2020 23:21:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-10-15 22:34:46.154180
• Title: Controlling Style in Generated Dialogue
• Title（参考訳）: 生成対話におけるスタイル制御
• Authors: Eric Michael Smith, Diana Gonzalez-Rico, Emily Dinan, Y-Lan Boureau
• Abstract要約: 従来提案されていた3つの制御可能な生成アーキテクチャをオープンドメイン対話生成に適用する。 我々は、およそ200の可能なスタイルのうち1つに対応するように、世代スタイルを制御します。 既存の会話データセットに対する洞察を提供するために、それらがどのように使用できるかを示す。
• 参考スコア（独自算出の注目度）: 13.445455480452484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-domain conversation models have become good at generating natural-sounding dialogue, using very large architectures with billions of trainable parameters. The vast training data required to train these architectures aggregates many different styles, tones, and qualities. Using that data to train a single model makes it difficult to use the model as a consistent conversational agent, e.g. with a stable set of persona traits and a typical style of expression. Several architectures affording control mechanisms over generation architectures have been proposed, each with different trade-offs. However, it remains unclear whether their use in dialogue is viable, and what the trade-offs look like with the most recent state-of-the-art conversational architectures. In this work, we adapt three previously proposed controllable generation architectures to open-domain dialogue generation, controlling the style of the generation to match one among about 200 possible styles. We compare their respective performance and tradeoffs, and show how they can be used to provide insights into existing conversational datasets, and generate a varied set of styled conversation replies.
• Abstract（参考訳）: オープンドメインの会話モデルは、何十億もの訓練可能なパラメータを持つ非常に大きなアーキテクチャを用いて、自然な音声対話を生成するのに長けている。 これらのアーキテクチャのトレーニングに必要な膨大なトレーニングデータは、さまざまなスタイル、音色、品質を集約している。 このデータを使って単一のモデルをトレーニングすることは、安定したペルソナ特性と典型的な表現スタイルを持つような、一貫した会話エージェントとしてモデルを使用するのが難しくなる。 世代アーキテクチャに対する制御機構を提供するいくつかのアーキテクチャが提案され、それぞれ異なるトレードオフがある。 しかし、彼らの対話における使用が可能かどうか、そして最新の最先端の対話型アーキテクチャとのトレードオフがどのようなものかは、まだ明らかではない。 本研究では,先述した3つの制御可能な生成アーキテクチャをオープンドメイン対話生成に適用し,約200の可能なスタイルのうち1つにマッチする生成スタイルを制御する。 それぞれのパフォーマンスとトレードオフを比較し、既存の会話データセットに対する洞察を提供するためにどのように使用できるかを示し、さまざまなスタイルの会話応答を生成する。

関連論文リスト

• 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)
• Building a Role Specified Open-Domain Dialogue System Leveraging Large-Scale Language Models [15.062014096238803]
  本研究では,オープンドメイン対話システムにおける役割を示唆する課題について検討する。 スクラッチからロール充足型対話データセットを構築するための効率的なデータ収集フレームワークを提案する。 当社のモデルでは,一般的なメトリクス上での競合的なパフォーマンスを維持しながら,アウトオブバウンド(out-of-bound)な発話をほとんど返さない。
  論文  参考訳（メタデータ） (2022-04-30T06:23:06Z)
• Stylistic Retrieval-based Dialogue System with Unparallel Training Data [19.777894827625275]
  本稿では,並列データを持たない特定のペルソナの言語スタイルを模倣するために,汎用的な検索ベース対話システムに適応するフレキシブルなフレームワークを提案する。 提案手法は, ジェルゴンの使用法を学習し, ジェルゴンを組み込むことで, ジェネリックな会話をスタイル化されたものに書き換えることによって, スタイル化されたデータの自動生成に基づく。
  論文  参考訳（メタデータ） (2021-09-12T09:56:24Z)
• The Adapter-Bot: All-In-One Controllable Conversational Model [66.48164003532484]
  本稿では、DialGPTなどの固定バックボーンモデルを用いて、異なるアダプタを介してオンデマンド対話スキルをトリガーする対話モデルを提案する。 スキルに応じて、モデルはテキスト、テーブル、強調応答などの複数の知識タイプを処理できる。 我々は,既存の会話モデルと比較し,自動評価を用いたモデルの評価を行った。
  論文  参考訳（メタデータ） (2020-08-28T10:59:31Z)
• 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)
• Paraphrase Augmented Task-Oriented Dialog Generation [68.1790912977053]
  本稿では,パラフレーズモデルと応答生成モデルを協調訓練するパラフレーズ拡張応答生成(PARG)フレームワークを提案する。 また、ダイアログ状態とダイアログアクトラベルに基づいて、パラフレーズトレーニングデータセットを自動構築する手法も設計する。
  論文  参考訳（メタデータ） (2020-04-16T05:12:36Z)
• 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)
• Variational Hierarchical Dialog Autoencoder for Dialog State Tracking Data Augmentation [59.174903564894954]
  本研究では,この手法を,ゴール指向対話のための対話状態追跡タスクに拡張する。 目的指向ダイアログの完全な側面をモデル化するための変分階層型ダイアログオートエンコーダ(VHDA)を提案する。 各種ダイアログデータセットを用いた実験により、生成データ拡張による下流ダイアログトラッカーのロバスト性の向上が示された。
  論文  参考訳（メタデータ） (2020-01-23T15:34:56Z)
• Modality-Balanced Models for Visual Dialogue [102.35406085738325]
  Visual Dialogタスクは、対話に対する次の応答を生成するために、画像情報と会話コンテキスト情報の両方を利用するモデルを必要とする。 過去の共同モダリティ(歴史とイメージ)モデルが過度に再現され,対話履歴を記憶する傾向が強いことを示す。 本稿では,共有パラメータを用いたアンサンブルとコンセンサス・ドロップアウト融合による2つのモデルの統合手法を提案する。
  論文  参考訳（メタデータ） (2020-01-17T14:57:12Z)

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。