論文の概要: DLGNet-Task: An End-to-end Neural Network Framework for Modeling Multi-turn Multi-domain Task-Oriented Dialogue

• arxiv url: http://arxiv.org/abs/2010.01693v2
• Date: Tue, 6 Oct 2020 16:31:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 02:58:40.089591
• Title: DLGNet-Task: An End-to-end Neural Network Framework for Modeling Multi-turn Multi-domain Task-Oriented Dialogue
• Title（参考訳）: dlgnet-task:マルチターンマルチドメインタスク指向対話をモデル化するエンドツーエンドニューラルネットワークフレームワーク
• Authors: Oluwatobi O. Olabiyi, Prarthana Bhattarai, C. Bayan Bruss, Zachary Kulis
• Abstract要約: 本稿では,タスク指向対話システムDLGNet-Taskを提案する。 我々のフレームワークはモジュラーアプローチの制御可能で検証可能で説明可能なアウトプットを楽しみます。 DLGNet-Taskを会話型AIシステムで使用すると、インテリジェントアシスタントの開発、デプロイ、メンテナンスに必要な労力が削減される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Task oriented dialogue (TOD) requires the complex interleaving of a number of individually controllable components with strong guarantees for explainability and verifiability. This has made it difficult to adopt the multi-turn multi-domain dialogue generation capabilities of streamlined end-to-end open-domain dialogue systems. In this paper, we present a new framework, DLGNet-Task, a unified task-oriented dialogue system which employs autoregressive transformer networks such as DLGNet and GPT-2/3 to complete user tasks in multi-turn multi-domain conversations. Our framework enjoys the controllable, verifiable, and explainable outputs of modular approaches, and the low development, deployment and maintenance cost of end-to-end systems. Treating open-domain system components as additional TOD system modules allows DLGNet-Task to learn the joint distribution of the inputs and outputs of all the functional blocks of existing modular approaches such as, natural language understanding (NLU), state tracking, action policy, as well as natural language generation (NLG). Rather than training the modules individually, as is common in real-world systems, we trained them jointly with appropriate module separations. When evaluated on the MultiWOZ2.1 dataset, DLGNet-Task shows comparable performance to the existing state-of-the-art approaches. Furthermore, using DLGNet-Task in conversational AI systems reduces the level of effort required for developing, deploying, and maintaining intelligent assistants at scale.
• Abstract（参考訳）: タスク指向対話(tod)は、説明可能性と検証可能性の強い保証を持つ多数の個別制御可能なコンポーネントの複雑な相互結合を必要とする。 これにより、合理化されたエンドツーエンドのオープンドメイン対話システムのマルチターンマルチドメイン対話生成機能の採用が困難になっている。 本稿では,DLGNet や GPT-2/3 などの自己回帰型トランスフォーマネットワークを用いて,マルチターンマルチドメイン会話におけるユーザタスクを完了させる,統合されたタスク指向対話システム DLGNet-Task を提案する。 当社のフレームワークは,モジュール化アプローチのコントロール可能な,検証可能な,説明可能なアウトプットと,エンドツーエンドシステムの低開発,デプロイメント,メンテナンスコストを享受しています。 オープンドメインシステムコンポーネントを追加のTODシステムモジュールとして扱うことで、DLGNet-Taskは、自然言語理解(NLU)、状態追跡、アクションポリシー、自然言語生成(NLG)など、既存のモジュールアプローチのすべての機能ブロックの入力と出力の共用分布を学習することができる。 実際のシステムで一般的なように、モジュールを個別にトレーニングするのではなく、適切なモジュール分離と共同でトレーニングしました。 MultiWOZ2.1データセットで評価すると、DLGNet-Taskは既存の最先端のアプローチと同等のパフォーマンスを示している。 さらに、対話型AIシステムでDLGNet-Taskを使用すると、インテリジェントアシスタントを大規模に開発、デプロイ、保守するために必要な労力が削減される。

関連論文リスト

• Training Zero-Shot Generalizable End-to-End Task-Oriented Dialog System Without Turn-level Dialog Annotations [2.757798192967912]
  この作業はマルチタスク命令の微調整を用いて、より効率的でスケーラブルなタスク指向対話システムを構築する。 提案手法は,アノテートされたデータに基づいて訓練された最先端モデルと,市販のChatGPTモデルから10億のパラメータを比較検討する。
  論文  参考訳（メタデータ） (2024-07-21T04:52:38Z)
• Many Hands Make Light Work: Task-Oriented Dialogue System with Module-Based Mixture-of-Experts [9.129081545049992]
  タスク指向対話システムは事前学習言語モデル(PLM)の恩恵を受けている ソフト混合型タスク指向対話システム(SMETOD)を提案する。 SMETODは、Mixture-of-Experts(MoEs)のアンサンブルを利用してサブプロブレムを最適化し、タスク指向対話のための特殊な出力を生成する。 我々は,意図予測,対話状態追跡,対話応答生成という3つのベンチマーク機能に対して,我々のモデルを広範囲に評価した。
  論文  参考訳（メタデータ） (2024-05-16T01:02:09Z)
• Large Language Models meet Network Slicing Management and Orchestration [0.3644165342767221]
  本稿では,Large Language Models (LLM) とマルチエージェントシステムを利用したネットワークスライシングの今後の展望を提案する。 このフレームワークの実装に伴う課題と、それを緩和する潜在的なソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-03-20T16:29:52Z)
• When Large Language Model Agents Meet 6G Networks: Perception, Grounding, and Alignment [100.58938424441027]
  モバイル端末とエッジサーバの協調を利用した6GネットワークにおけるAIエージェントの分割学習システムを提案する。 提案システムでは,LLMのための新しいモデルキャッシングアルゴリズムを導入し,コンテキストにおけるモデル利用を改善する。
  論文  参考訳（メタデータ） (2024-01-15T15:20:59Z)
• InstructTODS: Large Language Models for End-to-End Task-Oriented Dialogue Systems [60.53276524369498]
  大規模言語モデル(LLM)は自然言語処理(NLP)における多様なタスクに使用されている。 InstructTODSは、ゼロショットのタスク指向対話システムのための新しいフレームワークである。 InstructTODSは、ユーザの意図を動的クエリにシームレスに翻訳するプロキシの信念状態を生成する。
  論文  参考訳（メタデータ） (2023-10-13T06:36:26Z)
• Zero-Shot Generalizable End-to-End Task-Oriented Dialog System using Context Summarization and Domain Schema [2.7178968279054936]
  タスク指向対話システムにおける最先端のアプローチは、条件付きシーケンス生成タスクとして問題を定式化する。 これは、新しいドメインまたはタスクごとにラベル付きトレーニングデータを必要とする。 本稿では,ZS-ToDという,Zero-Shotの汎用的なエンドツーエンドタスク指向ダイアログシステムについて紹介する。
  論文  参考訳（メタデータ） (2023-03-28T18:56:31Z)
• Can Current Task-oriented Dialogue Models Automate Real-world Scenarios in the Wild? [48.79943762731801]
  タスク指向対話(TOD)システムは、主にスロット充填ベースのTOD(SF-TOD)フレームワークに基づいている。 現在のTODベンチマークは、現実のシナリオをサロゲートするために限られており、現在のTODモデルは、シナリオをカバーするための長い道のりである、と我々は主張する。 WebTODでは、対話システムは、人間のエージェントが対話するWeb/モバイルインターフェースの理解方法を学ぶ。
  論文  参考訳（メタデータ） (2022-12-20T18:18:41Z)
• MULTI3NLU++: A Multilingual, Multi-Intent, Multi-Domain Dataset for Natural Language Understanding in Task-Oriented Dialogue [115.32009638844059]
  英語のみのNLU++データセットを拡張して、手動による翻訳を高、中、低リソース言語に含めます。 Multi3NLU++はそのマルチインテント特性のため、複雑で自然なユーザ目標を表現している。 我々はMulti3NLU++を用いて、インテント検出やスロットラベリングといった自然言語理解タスクに対して、最先端の多言語モデルをベンチマークする。
  論文  参考訳（メタデータ） (2022-12-20T17:34:25Z)
• Enhancing Task Bot Engagement with Synthesized Open-Domain Dialog [89.35658776144638]
  TODとODDの両方を扱えるシステムを構築し、異なる知識ソースにアクセスすることが不可欠である。 本稿では,知識基盤のODDとTODを組み合わせた対話を自動的に生成するフレームワークを提案する。 本研究では,TODモードとODDモードを適切に適用し,異なる知識ソースにアクセス可能な統合モデルPivotBotを提案する。
  論文  参考訳（メタデータ） (2022-12-20T05:51:47Z)
• UniConv: A Unified Conversational Neural Architecture for Multi-domain Task-oriented Dialogues [101.96097419995556]
  ユニコンブ」はタスク指向対話におけるエンドツーエンド対話システムのための新しい統合型ニューラルネットワークである。 我々は、MultiWOZ2.1ベンチマークにおいて、対話状態追跡、コンテキスト・ツー・テキスト、エンドツーエンド設定の包括的な実験を行う。
  論文  参考訳（メタデータ） (2020-04-29T16:28:22Z)

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。