論文の概要: The design and implementation of Language Learning Chatbot with XAI using Ontology and Transfer Learning

• arxiv url: http://arxiv.org/abs/2009.13984v1
• Date: Tue, 29 Sep 2020 13:11:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 04:59:25.700917
• Title: The design and implementation of Language Learning Chatbot with XAI using Ontology and Transfer Learning
• Title（参考訳）: オントロジーと伝達学習を用いたXAIを用いた言語学習チャットボットの設計と実装
• Authors: Nuobei Shi, Qin Zeng and Raymond Lee
• Abstract要約: 音声認識と発音訂正のための音声学レベル、特定のドメイン会話のセマンティックレベル、英語における自由な会話のシミュレーションを含む、体系的な英語学習のための3つのレベルを設計する。 言語学習エージェントは、WeChatのミニプログラムをフロントエンドとして統合し、翻訳学習の微調整GPT-2モデルをバックエンドとして、オントロジーグラフで応答を解釈した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we proposed a transfer learning-based English language learning chatbot, whose output generated by GPT-2 can be explained by corresponding ontology graph rooted by fine-tuning dataset. We design three levels for systematically English learning, including phonetics level for speech recognition and pronunciation correction, semantic level for specific domain conversation, and the simulation of free-style conversation in English - the highest level of language chatbot communication as free-style conversation agent. For academic contribution, we implement the ontology graph to explain the performance of free-style conversation, following the concept of XAI (Explainable Artificial Intelligence) to visualize the connections of neural network in bionics, and explain the output sentence from language model. From implementation perspective, our Language Learning agent integrated the mini-program in WeChat as front-end, and fine-tuned GPT-2 model of transfer learning as back-end to interpret the responses by ontology graph.
• Abstract（参考訳）: 本稿では,GPT-2で生成した音声を,微調整データセットに根ざしたオントロジーグラフで説明できる翻訳学習型英語学習チャットボットを提案する。 音声認識と発音補正のための音韻レベル、特定のドメイン会話における意味レベル、英語における自由型会話のシミュレーションを含む、体系的に英語学習のための3つのレベルを設計した。 学術的な貢献のために,我々は,生物学におけるニューラルネットワークの接続を可視化するXAI(Explainable Artificial Intelligence)の概念に従って,自由形式の会話の性能を説明するオントロジーグラフを実装し,言語モデルからの出力文を説明する。 実装の観点から,言語学習エージェントはwechatのミニプログラムをフロントエンドとして統合し,オントロジーグラフによる応答を解釈するためのバックエンドとして転送学習の微調整gpt-2モデルを導入した。

関連論文リスト

• Learning Phonotactics from Linguistic Informants [54.086544221761486]
  本モデルでは,情報理論的なポリシーの1つに従って,データポイントを反復的に選択または合成する。 提案モデルでは,情報提供者を問う項目の選択に使用する情報理論のポリシーが,完全教師付きアプローチに匹敵する,あるいはそれ以上の効率性が得られることがわかった。
  論文  参考訳（メタデータ） (2024-05-08T00:18:56Z)
• Curriculum-Driven Edubot: A Framework for Developing Language Learning Chatbots Through Synthesizing Conversational Data [23.168347070904318]
  本稿では,チャットボットの対話的特徴と英語教科書の体系的素材を組み合わせたチャットボットを開発するためのフレームワークであるCurriculum-Driven EduBotを紹介する。 まず、教科書から関連するトピックを抽出し、大きな言語モデルを用いてこれらのトピックに関連する対話を生成する。
  論文  参考訳（メタデータ） (2023-09-28T19:14:18Z)
• ComSL: A Composite Speech-Language Model for End-to-End Speech-to-Text Translation [79.66359274050885]
  公的な事前訓練された音声のみのモデルと言語のみのモデルからなる複合アーキテクチャ上に構築された音声言語モデルであるComSLを提案する。 提案手法は,エンドツーエンドの音声-テキスト翻訳タスクにおいて有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:42:15Z)
• PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue Model [79.64376762489164]
  PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。 PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。 PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
  論文  参考訳（メタデータ） (2023-04-02T18:23:13Z)
• Scheduled Multi-task Learning for Neural Chat Translation [66.81525961469494]
  ニューラルチャット翻訳(NCT)のためのマルチタスク学習フレームワークを提案する。 具体的には、大規模なドメイン内チャット翻訳データをトレーニングに組み込むための3段階のトレーニングフレームワークを考案する。 提案手法の有効性と優越性を検証するために, 4言語方向の広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-05-08T02:57:28Z)
• An Approach to Inference-Driven Dialogue Management within a Social Chatbot [10.760026478889667]
  会話を一連の応答生成タスクとしてフレーミングする代わりに、会話を協調推論プロセスとしてモデル化する。 私たちのパイプラインは、このモデリングを3つの幅広い段階で達成します。 このアプローチは、ユーザ入力の潜在意味論、フレキシブルなイニシアティブの取り方、対話コンテキストに新しく一貫性のある応答を理解するのに役立ちます。
  論文  参考訳（メタデータ） (2021-10-31T19:01:07Z)
• Sm{\aa}prat: DialoGPT for Natural Language Generation of Swedish Dialogue by Transfer Learning [1.6111818380407035]
  自然言語対話生成のための最先端のモデルは、英語で人間のような単行会話をシミュレートする際、印象的な性能を示した。 この研究は、経験的な研究により、そのようなモデルのスウェーデン語への変換学習の可能性について調査する。
  論文  参考訳（メタデータ） (2021-10-12T18:46:43Z)
• Spoken Style Learning with Multi-modal Hierarchical Context Encoding for Conversational Text-to-Speech Synthesis [59.27994987902646]
  歴史的会話から話し言葉のスタイルを学習する研究は、まだ初期段階にある。 歴史的会話の書き起こしのみが考慮され、歴史的スピーチの話し方を無視している。 マルチモーダル階層型コンテキスト符号化を用いた音声スタイル学習手法を提案する。
  論文  参考訳（メタデータ） (2021-06-11T08:33:52Z)
• Pre-training for Spoken Language Understanding with Joint Textual and Phonetic Representation Learning [4.327558819000435]
  音声表現を学習するための新しいテキスト音声前訓練手法を提案する。 音声言語理解ベンチマークであるFluent Speech CommandsとSNIPSの実験結果から,提案手法は強いベースラインモデルよりも有意に優れていることが示された。
  論文  参考訳（メタデータ） (2021-04-21T05:19:13Z)
• Interactive Teaching for Conversational AI [2.5259192787433706]
  現在の会話型AIシステムは、事前設計された要求のセットを理解し、関連するアクションを実行することを目的としている。 子どもが大人と対話する最初の言語を学習する方法に触発された本論文では、新しいTeachable AIシステムについて述べる。 インタラクティブな授業セッションを使ってエンドユーザーから直接、概念と呼ばれる新しい言語ナゲットを学ぶことができる。
  論文  参考訳（メタデータ） (2020-12-02T04:08:49Z)
• SPLAT: Speech-Language Joint Pre-Training for Spoken Language Understanding [61.02342238771685]
  音声理解には、入力音響信号を解析してその言語内容を理解し、予測するモデルが必要である。 大規模無注釈音声やテキストからリッチな表現を学習するために,様々な事前学習手法が提案されている。 音声と言語モジュールを協調的に事前学習するための,新しい半教師付き学習フレームワークであるSPLATを提案する。
  論文  参考訳（メタデータ） (2020-10-05T19:29:49Z)

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。