論文の概要: Generating Dialogue Responses from a Semantic Latent Space
- arxiv url: http://arxiv.org/abs/2010.01658v1
- Date: Sun, 4 Oct 2020 19:06:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 03:50:32.149146
- Title: Generating Dialogue Responses from a Semantic Latent Space
- Title（参考訳）: 意味的潜在空間からの対話応答の生成
- Authors: Wei-Jen Ko and Avik Ray and Yilin Shen and Hongxia Jin
- Abstract要約: 語彙のエンドツーエンド分類に代わる方法を提案する。
潜在空間上の回帰タスクとして,プロンプトと応答のペア関係を学習する。
人間の評価は、連続した空間でタスクを学習すると、関連性と情報性の両方を持つ応答が生成されることを示した。
- 参考スコア（独自算出の注目度）: 75.18449428414736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing open-domain dialogue generation models are usually trained to mimic
the gold response in the training set using cross-entropy loss on the
vocabulary. However, a good response does not need to resemble the gold
response, since there are multiple possible responses to a given prompt. In
this work, we hypothesize that the current models are unable to integrate
information from multiple semantically similar valid responses of a prompt,
resulting in the generation of generic and uninformative responses. To address
this issue, we propose an alternative to the end-to-end classification on
vocabulary. We learn the pair relationship between the prompts and responses as
a regression task on a latent space instead. In our novel dialog generation
model, the representations of semantically related sentences are close to each
other on the latent space. Human evaluation showed that learning the task on a
continuous space can generate responses that are both relevant and informative.
- Abstract（参考訳）: 既存のオープンドメイン対話生成モデルは、通常、語彙のクロスエントロピー損失を用いてトレーニングセットのゴールド応答を模倣するように訓練される。
しかし、あるプロンプトに対する複数の応答があるため、よい応答はゴールド応答に似ている必要はない。
本研究では,現在のモデルでは,プロンプトの複数の意味論的に類似した有効な応答から情報を統合できないという仮説を立てる。
この問題に対処するため,語彙のエンドツーエンド分類に代わる手法を提案する。
代わりに、潜在空間における回帰タスクとして、プロンプトと応答のペア関係を学習する。
新たなダイアログ生成モデルでは,意味的関連文の表現は潜在空間上で互いに近接している。
人間の評価は、連続した空間でタスクを学習すると、関連性と情報性の両方を持つ応答が生成されることを示した。
関連論文リスト
- Hi Model, generating 'nice' instead of 'good' is not as bad as generating 'rice'! Towards Context and Semantic Infused Dialogue Generation Loss Function and Evaluation Metric [46.26506372710482]
本稿では,Semantic Infused Contextualized diaLogue (SemTextualLogue) ロス関数を提案する。
また、文脈と意味的関連性の両方を取り入れて、Dialuationと呼ばれる評価指標を定式化する。
論文 参考訳（メタデータ） (2023-09-11T20:16:38Z) - Promoting Open-domain Dialogue Generation through Learning Pattern
Information between Contexts and Responses [5.936682548344234]
本稿では,学習サンプルの文脈と応答の間の暗黙的なパターン情報を学ぶことにより,生成した応答の品質を向上させる。
また、文脈と応答間の暗黙的パターン情報をマイニングする応答認識機構を設計し、生成した応答をより多様でヒトの応答に近似するようにした。
論文 参考訳（メタデータ） (2023-09-06T08:11:39Z) - Answering Ambiguous Questions via Iterative Prompting [84.3426020642704]
オープンドメインの質問応答では、質問のあいまいさのため、複数の妥当な回答が存在する可能性がある。
ひとつのアプローチは、すべての有効な回答を直接予測することですが、これは、妥当性と多様性のバランスに苦労する可能性があります。
本稿では,あいまいな疑問に答える既存手法の欠陥に対処するため,AmbigPromptを提案する。
論文 参考訳（メタデータ） (2023-07-08T04:32:17Z) - Phrase Retrieval for Open-Domain Conversational Question Answering with
Conversational Dependency Modeling via Contrastive Learning [54.55643652781891]
Open-Domain Conversational Question Answering (ODConvQA)は、マルチターン会話を通じて質問に答えることを目的としている。
そこで本研究では,単語列に対する句検索方式を用いて,回答を直接予測する手法を提案する。
論文 参考訳（メタデータ） (2023-06-07T09:46:38Z) - Contextual Dynamic Prompting for Response Generation in Task-oriented
Dialog Systems [8.419582942080927]
応答生成はタスク指向対話システムにおいて重要なコンポーネントの1つである。
本稿では,対話コンテキストからプロンプトを学習するテキスト動的プロンプトを実現する手法を提案する。
文脈的動的プロンプトは,3つの絶対点で構造化されたテキスト合成スコア citemehri-etal 2019 を用いて応答生成を改善することを示す。
論文 参考訳（メタデータ） (2023-01-30T20:26:02Z) - AutoReply: Detecting Nonsense in Dialogue Introspectively with
Discriminative Replies [71.62832112141913]
対話モデルは、不適切なメッセージを示す応答の確率を計算し、内観的に自分のメッセージの誤りを検出することができることを示す。
まず、手作りの返信は外交と同じくらい複雑なアプリケーションにおけるナンセンスを検出するタスクに有効であることを示す。
AutoReplyの生成した応答は手作りの応答よりも優れており、慎重に調整された大規模な教師付きモデルと同等に動作することがわかった。
論文 参考訳（メタデータ） (2022-11-22T22:31:34Z) - Reasoning in Dialog: Improving Response Generation by Context Reading
Comprehension [49.92173751203827]
マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。
読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
論文 参考訳（メタデータ） (2020-12-14T10:58:01Z) - Controlling Dialogue Generation with Semantic Exemplars [55.460082747572734]
本稿では,経験的応答に現れる意味的フレームを用いて生成をガイドする,経験的対話生成モデルEDGEを提案する。
単語自体の単語ではなく、経験者の意味的フレームに基づく対話生成の制御により、生成した応答の一貫性が向上することを示す。
論文 参考訳（メタデータ） (2020-08-20T17:02:37Z) - Speaker Sensitive Response Evaluation Model [17.381658875470638]
本稿では,生成した応答と会話コンテキストとの類似性に基づく自動評価モデルを提案する。
ラベルのない会話コーパスからモデルパラメータを学習する。
我々のモデルは、追加の訓練なしに映画対話に適用できることが示される。
論文 参考訳（メタデータ） (2020-06-12T08:59:10Z) - Diversifying Dialogue Generation with Non-Conversational Text [38.03510529185192]
非会話的テキストを活用することで対話生成を多様化する新しい視点を提案する。
我々は、フォーラムコメント、イディオム、本スニペットを含む複数の情報源から、大規模な非会話コーパスを収集する。
得られたモデルは、2つの会話データセット上でテストされ、コンテキストとの関連性を犠牲にすることなく、はるかに多様な応答を生成することが示されている。
論文 参考訳（メタデータ） (2020-05-09T02:16:05Z)
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。