Fugu-MT 論文翻訳(概要): STAR: A Schema-Guided Dialog Dataset for Transfer Learning

論文の概要: STAR: A Schema-Guided Dialog Dataset for Transfer Learning

arxiv url: http://arxiv.org/abs/2010.11853v1
Date: Thu, 22 Oct 2020 16:45:00 GMT
ステータス: 処理完了
システム内更新日: 2022-10-04 06:41:02.279926
Title: STAR: A Schema-Guided Dialog Dataset for Transfer Learning
Title（参考訳）: STAR: トランスファー学習のためのスキーマガイド付きダイアログデータセット
Authors: Johannes E. M. Mosig, Shikib Mehri, Thomas Kober
Abstract要約: 本稿では,13ドメインの5,820のタスク指向ダイアログを対象に,127,833の発話と知識ベースクエリのデータセットSTARを提案する。また,STARと同じ品質の大規模データセットを任意に収集する,スケーラブルなクラウドソーシングパラダイムを提案する。
参考スコア（独自算出の注目度）: 9.66840768820136
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present STAR, a schema-guided task-oriented dialog dataset consisting of 127,833 utterances and knowledge base queries across 5,820 task-oriented dialogs in 13 domains that is especially designed to facilitate task and domain transfer learning in task-oriented dialog. Furthermore, we propose a scalable crowd-sourcing paradigm to collect arbitrarily large datasets of the same quality as STAR. Moreover, we introduce novel schema-guided dialog models that use an explicit description of the task(s) to generalize from known to unknown tasks. We demonstrate the effectiveness of these models, particularly for zero-shot generalization across tasks and domains.
Abstract（参考訳）: 我々は、13ドメインの5,820のタスク指向ダイアログにまたがる127,833の発話と知識ベースクエリからなる、スキーマ誘導タスク指向ダイアログデータセットであるstarを提案する。さらに,STARと同じ品質の大規模データセットを任意に収集する,スケーラブルなクラウドソーシングパラダイムを提案する。さらに,既知のタスクから未知タスクへ一般化するために,タスクの明示的な記述を用いたスキーマ誘導ダイアログモデルも導入する。特にタスクとドメイン間のゼロショット一般化において,これらのモデルの有効性を示す。

関連論文リスト

Self-Explanation Prompting Improves Dialogue Understanding in Large Language Models [52.24756457516834]
大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。 6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
論文参考訳（メタデータ） (2023-09-22T15:41:34Z)
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)
DiSTRICT: Dialogue State Tracking with Retriever Driven In-Context Tuning [7.5700317050237365]
対話状態追跡(DST)のための一般化可能なインコンテキストチューニング手法であるDiSTRICTを提案する。 DSTRICTは、手作りのテンプレートを使わずにモデルを微調整するために、与えられた対話のための非常に関連性の高いトレーニング例を検索する。 MultiWOZベンチマークデータセットによる実験では、DiSTRICTは、さまざまなゼロショットおよび少数ショット設定において、既存のアプローチよりも優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2022-12-06T09:40:15Z)
Dialog Acts for Task-Driven Embodied Agents [10.275619475149433]
エージェントは自然言語の理解タスク記述で対話し、適切なフォローアップ質問をすることができる必要がある。このような対話をモデル化するためのダイアログのセットを提案し、3000以上のタスク指向の会話を含むTEAChデータセットに注釈を付ける。この注釈付きデータセットを、与えられた発話のダイアログ動作にタグ付けし、ダイアログ履歴を与えられた次の応答のダイアログ動作を予測する訓練モデルに使用し、ダイアログ動作を使用してエージェントの非ダイアログ動作をガイドする。
論文参考訳（メタデータ） (2022-09-26T18:41:28Z)
Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。エージェントは対話とマニュアルの両方からタスクを学習する。提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
論文参考訳（メタデータ） (2022-08-16T08:21:12Z)
Improving Zero and Few-shot Generalization in Dialogue through Instruction Tuning [27.92734269206744]
InstructDialは対話のための命令チューニングフレームワークである。 48の多様な対話タスクからなるリポジトリからなり、59のオープンな対話データセットから作成されるテキストとテキストの統一フォーマットである。分析の結果,InstructDialは未知のデータセットや対話評価や意図検出などのタスクに対して良好なゼロショット性能を実現し,数ショット設定でさらに優れたパフォーマンスを実現していることがわかった。
論文参考訳（メタデータ） (2022-05-25T11:37:06Z)
DialogZoo: Large-Scale Dialog-Oriented Task Learning [52.18193690394549]
我々は,多種多様な対話課題を解くための統合基盤モデルの構築を目指している。この目的を達成するために、73の公開データセットから、まず大規模なラベル付き対話データセットを収集する。
論文参考訳（メタデータ） (2022-05-25T11:17:16Z)
A Slot Is Not Built in One Utterance: Spoken Language Dialogs with Sub-Slots [67.69407159704328]
本稿では,SSTOD(Sub-Slot based Task-Oriented Dialog)というタスクを新たに定義する。データセットには、中国名、電話番号、ID番号、ナンバープレート番号の4つのドメインから合計40Kのダイアログと500Kの発話が含まれている。我々はSSTODに新たな言語現象と対話的方法を見いだし、タスクのためのダイアログエージェントを構築する上で重要な課題を提起する。
論文参考訳（メタデータ） (2022-03-21T07:10:19Z)
Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
論文参考訳（メタデータ） (2022-02-28T20:18:12Z)
Overview of the Ninth Dialog System Technology Challenge: DSTC9 [111.35889309106359]
第9回対話システム技術チャレンジ(DSTC-9)は、対話システムにおける4つの異なるタスクにエンドツーエンドの対話技術を適用することに焦点を当てている。本稿では,各トラックのタスク定義,データセット,ベースライン,評価設定について述べる。
論文参考訳（メタデータ） (2020-11-12T16:43:10Z)
Schema-Guided Dialogue State Tracking Task at DSTC8 [11.122504780115243]
本研究の目的は,大規模仮想アシスタントに適した対話状態追跡モデルを開発することである。 25チームが参加し、さまざまなニューラルネットワークモデルを開発した。本稿では,タスク定義,データセット,評価手法について述べる。
論文参考訳（メタデータ） (2020-02-02T05:59:27Z)

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。