論文の概要: Like hiking? You probably enjoy nature: Persona-grounded Dialog with Commonsense Expansions

• arxiv url: http://arxiv.org/abs/2010.03205v1
• Date: Wed, 7 Oct 2020 06:25:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 21:59:41.348181
• Title: Like hiking? You probably enjoy nature: Persona-grounded Dialog with Commonsense Expansions
• Title（参考訳）: ハイキングとか? 自然を楽しめる人格対話:commonsense拡張による対話
• Authors: Bodhisattwa Prasad Majumder, Harsh Jhamtani, Taylor Berg-Kirkpatrick, Julian McAuley
• Abstract要約: 既存のペルソナ基底ダイアログモデルは、与えられたペルソナ記述の単純な意味を捉えることができないことが多い。 本稿では,既存のコモンセンス知識ベースと言い換え資源を用いて,利用可能なペルソナ文を拡張することを提案する。 また,モデルにペルソナ文を個別に選択するように促すことにより,ペルソナのきめ細かいグラウンドも導入する。
• 参考スコア（独自算出の注目度）: 37.15893335147598
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing persona-grounded dialog models often fail to capture simple implications of given persona descriptions, something which humans are able to do seamlessly. For example, state-of-the-art models cannot infer that interest in hiking might imply love for nature or longing for a break. In this paper, we propose to expand available persona sentences using existing commonsense knowledge bases and paraphrasing resources to imbue dialog models with access to an expanded and richer set of persona descriptions. Additionally, we introduce fine-grained grounding on personas by encouraging the model to make a discrete choice among persona sentences while synthesizing a dialog response. Since such a choice is not observed in the data, we model it using a discrete latent random variable and use variational learning to sample from hundreds of persona expansions. Our model outperforms competitive baselines on the PersonaChat dataset in terms of dialog quality and diversity while achieving persona-consistent and controllable dialog generation.
• Abstract（参考訳）: 既存のパーソナライズドダイアログモデルは、人間がシームレスにできるペルソナ記述の単純な意味を捉えられないことが多い。 例えば、最先端のモデルはハイキングへの関心が自然への愛や休憩の待ちを暗示していると推測することはできない。 本稿では,既存のコモンセンス知識ベースとパラフレージングリソースを用いたペルソナ文を拡張し,より豊富なペルソナ記述のセットにアクセスできる対話モデルを提案する。 さらに,対話応答を合成しながらペルソナ文を個別に選択するようモデルに促すことにより,ペルソナのきめ細かいグラウンド化を導入する。 このような選択はデータでは観測されないため、離散潜在確率変数を用いてモデル化し、数百のペルソナ展開からサンプルを得るために変分学習を用いる。 本モデルでは,対話の質と多様性の観点からPersonaChatデータセットの競争ベースラインを上回り,対人一貫性と制御可能なダイアログ生成を実現している。

関連論文リスト

• Using Natural Language Inference to Improve Persona Extraction from Dialogue in a New Domain [44.05974724495336]
  訓練されたペルソナ抽出モデルを新しい環境に適応させる自然言語推論手法を提案する。 提案手法は高品質な抽出ペルソナを返却し,人間のアノテーションを少なくする。
  論文  参考訳（メタデータ） (2024-01-12T18:25:03Z)
• Human Learning by Model Feedback: The Dynamics of Iterative Prompting with Midjourney [28.39697076030535]
  本稿では,そのようなイテレーションに沿ってユーザプロンプトのダイナミクスを解析する。 これらのイテレーションに沿った特定の特性に対して、プロンプトが予測通りに収束することを示します。 ユーザがモデルの好みに適応する可能性は、さらなるトレーニングのためにユーザデータの再利用に関する懸念を提起する。
  論文  参考訳（メタデータ） (2023-11-20T19:28:52Z)
• Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona Biases in Dialogue Systems [103.416202777731]
  我々は、対話モデルが採用するペルソナに付随する有害な行動の感度であると定義する「ペルソナバイアス」について検討する。 我々は,人格バイアスを有害な表現と有害な合意のバイアスに分類し,攻撃性,有害継続性,関連性,ステレオタイプ合意,および有害合意の5つの側面において,人格バイアスを測定する包括的な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2023-10-08T21:03:18Z)
• Enhancing Personalized Dialogue Generation with Contrastive Latent Variables: Combining Sparse and Dense Persona [16.90863217077699]
  既存のパーソナライズされた対話エージェントは、スパースまたは密集したペルソナ記述と対話履歴という3つのリソースからペルソナプロファイルをモデル化する。 3つのリソースの利点を組み合わせて、より豊かで正確なペルソナを得る。 中国語と英語のデータセットに対する実験結果は、パーソナライゼーションにおけるモデルの優位性を示している。
  論文  参考訳（メタデータ） (2023-05-19T07:24:27Z)
• A Model-Agnostic Data Manipulation Method for Persona-based Dialogue Generation [107.82729587882397]
  現在のペルソナベースの対話データセットのスケールアップには費用がかかる。 このタスクの各データサンプルは、従来の対話データよりも複雑である。 本稿では,ペルソナをベースとした対話生成モデルにおいて,モデルに依存しないデータ操作手法を提案する。
  論文  参考訳（メタデータ） (2022-04-21T03:49:54Z)
• DLVGen: A Dual Latent Variable Approach to Personalized Dialogue Generation [28.721411816698563]
  本稿では,パーソナライズされた対話を生成するDual Latent Variable Generator (DLVGen)を提案する。 以前の研究とは異なり、DLVGenは潜在的な応答に対する潜伏分布と、エージェントの潜在的なペルソナに対する潜伏分布をモデル化している。 実験の結果,DLVGenはエージェントのペルソナを正確に組み込んだ多様な応答を生成できることがわかった。
  論文  参考訳（メタデータ） (2021-11-22T17:21:21Z)
• Unsupervised Enrichment of Persona-grounded Dialog with Background Stories [27.52543925693796]
  既存の物語データセットの架空の物語を活用することにより、対話モデルにペルソナに関連する「背景物語」を付与する。 我々は、勾配に基づく書き直し手法を用いて対話応答を生成するために、検索されたストーリーの教師なし適応を行う。 提案手法は, より多様な応答を生成でき, 人間の評価者により, より活発で人間らしく評価されている。
  論文  参考訳（メタデータ） (2021-06-15T18:20:27Z)
• Revealing Persona Biases in Dialogue Systems [64.96908171646808]
  対話システムにおけるペルソナバイアスに関する最初の大規模研究について述べる。 我々は、異なる社会階級、性的指向、人種、性別のペルソナの分析を行う。 BlenderおよびDialoGPT対話システムの研究では、ペルソナの選択が生成された応答の害の程度に影響を与える可能性があることを示しています。
  論文  参考訳（メタデータ） (2021-04-18T05:44:41Z)
• 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)
• Will I Sound Like Me? Improving Persona Consistency in Dialogues through Pragmatic Self-Consciousness [62.55060760615656]
  一貫性に対処する最近のモデルは、しばしば追加の自然言語推論(NLI)ラベルでトレーニングするか、あるいは一貫性を維持するためにトレーニングされた追加モジュールを生成エージェントにアタッチする。 社会的認知と実用性に触発されて、私たちは既存の対話エージェントに、想像上のリスナーを通して、公的な自己意識を持たせました。 我々のアプローチは、Rational Speech Actsフレームワークに基づいて、会話エージェントに矛盾の発声を控えるように強制することができる。
  論文  参考訳（メタデータ） (2020-04-13T08:16:16Z)

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。