論文の概要: "I'd rather just go to bed": Understanding Indirect Answers
- arxiv url: http://arxiv.org/abs/2010.03450v1
- Date: Wed, 7 Oct 2020 14:41:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 23:21:02.375382
- Title: "I'd rather just go to bed": Understanding Indirect Answers
- Title(参考訳): 「むしろ寝たい」:間接的な答えを理解する
- Authors: Annie Louis, Dan Roth, and Filip Radlinski
- Abstract要約: 我々は,質問に対する間接的応答の理解という,現実的な推論問題をダイアログで再検討する。
最初の大規模英語コーパス「Circa」を34,268対(極性質問,間接回答)で作成・リリースする。
本稿では,質問応答対のカテゴリを予測するためにBERTに基づくニューラルモデルを提案する。
- 参考スコア(独自算出の注目度): 61.234722570671686
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We revisit a pragmatic inference problem in dialog: understanding indirect
responses to questions. Humans can interpret 'I'm starving.' in response to
'Hungry?', even without direct cue words such as 'yes' and 'no'. In dialog
systems, allowing natural responses rather than closed vocabularies would be
similarly beneficial. However, today's systems are only as sensitive to these
pragmatic moves as their language model allows. We create and release the first
large-scale English language corpus 'Circa' with 34,268 (polar question,
indirect answer) pairs to enable progress on this task. The data was collected
via elaborate crowdsourcing, and contains utterances with yes/no meaning, as
well as uncertain, middle-ground, and conditional responses. We also present
BERT-based neural models to predict such categories for a question-answer pair.
We find that while transfer learning from entailment works reasonably,
performance is not yet sufficient for robust dialog. Our models reach 82-88%
accuracy for a 4-class distinction, and 74-85% for 6 classes.
- Abstract(参考訳): 我々は,質問に対する間接的応答の理解という,現実的な推論問題をダイアログで再検討する。
人間は「私は飢えている」と解釈できる。「はい」や「いいえ」といった直接の手がかりがなくても、「はい」は「はい」と解釈できる。
対話システムでは、閉じた語彙よりも自然な応答を可能にするのも同様に有益である。
しかし、今日のシステムは、言語モデルが許すような実用的な動きに対してのみ敏感である。
本稿では,34,268対(極性質問,間接回答)からなる,最初の大規模英語コーパス「circa」を作成し,公開する。
データは、詳細なクラウドソーシングを通じて収集され、イエス/ノー意味の発声、不確実性、中場、条件付き応答を含む。
また,このようなカテゴリを予測するために,bertに基づくニューラルモデルを提案する。
関連する学習は合理的に機能するが、ロバストなダイアログにはパフォーマンスにはまだ不十分である。
4クラスで82~88%,6クラスで74~85%の精度が得られた。
関連論文リスト
- Quirk or Palmer: A Comparative Study of Modal Verb Frameworks with
Annotated Datasets [8.09076910034882]
言語学者はまだ、モーダル動詞感覚の分類のための単一の枠組みについて合意していない。
この研究は、4,540発以上のモーダル動詞感覚の27,240のアノテーションからなるMoverbデータセットを提示する。
論文 参考訳(メタデータ) (2022-12-20T10:44:18Z) - Prompting for a conversation: How to control a dialog model? [9.268682116424518]
ダイアログモデルは大量のテキストでトレーニングされるが、その応答はダイアログエージェントの望ましいスコープとスタイルに制限される必要がある。
前者を達成するために使用されるデータセットには後者と互換性のない言語が含まれているため、事前訓練されたダイアログモデルは、より小さなキュレートされたデータセットで微調整される。
本稿では,上記のトレードオフを緩和できるかどうかを検討する。
論文 参考訳(メタデータ) (2022-09-22T14:59:55Z) - Learning-by-Narrating: Narrative Pre-Training for Zero-Shot Dialogue
Comprehension [48.483910831143724]
対話を補完するには、発話中の様々なキー情報をキャプチャするモデルが必要である。
そこで我々は,対話入力からキー情報をナレーションすることで学習する,物語誘導型事前学習戦略を開発した。
論文 参考訳(メタデータ) (2022-03-19T05:20:25Z) - Open-domain clarification question generation without question examples [4.34222556313791]
本稿では,極性(yes-no)を明確化できる問合せモデルを構築するための枠組みを提案する。
本モデルは,市販画像キャプタから情報的質問を導き出すために,期待された情報ゲイン目標を用いている。
我々は,目標志向の20質問ゲームにおいて,人間と合成者によるコミュニケーションの成功を促す質問を提示するモデルの能力を実証する。
論文 参考訳(メタデータ) (2021-10-19T07:51:54Z) - Provable Limitations of Acquiring Meaning from Ungrounded Form: What
will Future Language Models Understand? [87.20342701232869]
未知のシステムが意味を習得する能力について検討する。
アサーションによってシステムが等価性のような意味関係を保存する表現をエミュレートできるかどうか検討する。
言語内のすべての表現が参照的に透明であれば,アサーションによってセマンティックエミュレーションが可能になる。
しかし、言語が変数バインディングのような非透過的なパターンを使用する場合、エミュレーションは計算不能な問題になる可能性がある。
論文 参考訳(メタデータ) (2021-04-22T01:00:17Z) - My Teacher Thinks The World Is Flat! Interpreting Automatic Essay
Scoring Mechanism [71.34160809068996]
最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。
近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。
また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
論文 参考訳(メタデータ) (2020-12-27T06:19:20Z) - A Taxonomy of Empathetic Response Intents in Human Social Conversations [1.52292571922932]
自然言語処理コミュニティでは、オープンドメインの会話エージェントがますます人気を高めている。
課題のひとつは、共感的な方法で会話できるようにすることです。
現在のニューラルレスポンス生成手法は、大規模な会話データからエンドツーエンドの学習のみに頼って対話を生成する。
近年,対話act/intentモデリングとニューラルレスポンス生成を組み合わせることが期待されている。
論文 参考訳(メタデータ) (2020-12-07T21:56:45Z) - Generating Dialogue Responses from a Semantic Latent Space [75.18449428414736]
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。
論文 参考訳(メタデータ) (2020-10-04T19:06:16Z) - MuTual: A Dataset for Multi-Turn Dialogue Reasoning [53.10434937685962]
MuTualはMulti-Turnダイアログ推論のための新しいデータセットである。
中国語の学生英語の聞き取り試験に基づく8,860の注釈付き対話で構成されている。
現状の手法は71%にしか達せず、人間のパフォーマンスは94%をはるかに上回っている。
論文 参考訳(メタデータ) (2020-04-09T11:42:33Z)
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。