論文の概要: Utterance-level Dialogue Understanding: An Empirical Study

• arxiv url: http://arxiv.org/abs/2009.13902v5
• Date: Thu, 22 Oct 2020 11:16:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 06:21:29.874870
• Title: Utterance-level Dialogue Understanding: An Empirical Study
• Title（参考訳）: 発話レベルの対話理解:実証的研究
• Authors: Deepanway Ghosal, Navonil Majumder, Rada Mihalcea, Soujanya Poria
• Abstract要約: 本稿では,対話の異なる側面における文脈の役割を探求し,定量化する。 具体的には、与えられた発話の文脈を歪ませるために様々な摂動を用いる。 これにより、対話の異なる側面の基本的な文脈的制御要因に関する洞察が得られます。
• 参考スコア（独自算出の注目度）: 43.35258958775454
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The recent abundance of conversational data on the Web and elsewhere calls for effective NLP systems for dialog understanding. Complete utterance-level understanding often requires context understanding, defined by nearby utterances. In recent years, a number of approaches have been proposed for various utterance-level dialogue understanding tasks. Most of these approaches account for the context for effective understanding. In this paper, we explore and quantify the role of context for different aspects of a dialogue, namely emotion, intent, and dialogue act identification, using state-of-the-art dialog understanding methods as baselines. Specifically, we employ various perturbations to distort the context of a given utterance and study its impact on the different tasks and baselines. This provides us with insights into the fundamental contextual controlling factors of different aspects of a dialogue. Such insights can inspire more effective dialogue understanding models, and provide support for future text generation approaches. The implementation pertaining to this work is available at https://github.com/declare-lab/dialogue-understanding.
• Abstract（参考訳）: 近年のWeb等における会話データの豊富さは,対話理解に有効なNLPシステムを求めている。 完全な発話レベルの理解は、しばしば近くの発話によって定義される文脈理解を必要とする。 近年,様々な発話レベルの対話理解タスクに対して,様々なアプローチが提案されている。 これらのアプローチのほとんどは、効果的な理解のコンテキストを担っている。 本稿では,対話のさまざまな側面,すなわち感情,意図,対話行為の識別における文脈の役割を,最先端の対話理解手法をベースラインとして検討し,定量化する。 具体的には、与えられた発話の文脈を歪め、異なるタスクやベースラインに与える影響を研究するために、様々な摂動を用いる。 これにより、対話のさまざまな側面の基本的な文脈制御要因に関する洞察が得られます。 このような洞察は、より効果的な対話理解モデルを引き起こし、将来のテキスト生成アプローチをサポートする。 この作業に関する実装は、https://github.com/declare-lab/dialogue-understandingで利用可能である。

関連論文リスト

• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。 本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。 さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
  論文  参考訳（メタデータ） (2021-10-11T03:52:37Z)
• Who says like a style of Vitamin: Towards Syntax-Aware DialogueSummarization using Multi-task Learning [2.251583286448503]
  個々の話者からの発声と独特の統語構造との関係に焦点をあてる。 話者は、音声プリントのような言語情報を含むことができる独自のテキストスタイルを持つ。 構文認識情報と対話要約の両方をマルチタスクで学習する。
  論文  参考訳（メタデータ） (2021-09-29T05:30:39Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  対話モデリングの観点から,従来の手法を検討した。 対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
  論文  参考訳（メタデータ） (2021-03-04T15:50:17Z)
• Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
  本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。 実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
  論文  参考訳（メタデータ） (2020-05-27T02:05:33Z)
• Masking Orchestration: Multi-task Pretraining for Multi-role Dialogue Representation Learning [50.5572111079898]
  マルチロール対話理解は、質問応答、行動分類、対話要約など、幅広い多様なタスクを含む。 対話コーパスは豊富に利用可能であるが、特定の学習タスクのためのラベル付きデータは非常に不足しており、高価である。 本研究では,教師なし事前学習タスクを用いた対話文脈表現学習について検討する。
  論文  参考訳（メタデータ） (2020-02-27T04:36:52Z)

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。