論文の概要: Recent Neural Methods on Slot Filling and Intent Classification for Task-Oriented Dialogue Systems: A Survey

• arxiv url: http://arxiv.org/abs/2011.00564v1
• Date: Sun, 1 Nov 2020 17:15:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-09-30 23:19:27.610520
• Title: Recent Neural Methods on Slot Filling and Intent Classification for Task-Oriented Dialogue Systems: A Survey
• Title（参考訳）: タスク指向対話システムにおけるスロット充填と意図分類に関する最近のニューラル手法--
• Authors: Samuel Louvan and Bernardo Magnini
• Abstract要約: 本研究は,対話システムにおける自然言語理解に対処するために,ニューラルネットワークモデルがどのように急速に進化してきたのかを,スロットフィリング(SF)と意図分類(IC)という2つのコアタスクに焦点をあてる。 独立モデル(SFとICを別々にモデル化する)、共同モデル(2つのタスクの相互利益を同時に活用する)、学習モデル(新しいドメインにモデルをスケールする)の3つのニューラルアーキテクチャを導入します。
• 参考スコア（独自算出の注目度）: 3.2996723916635267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, fostered by deep learning technologies and by the high demand for conversational AI, various approaches have been proposed that address the capacity to elicit and understand user's needs in task-oriented dialogue systems. We focus on two core tasks, slot filling (SF) and intent classification (IC), and survey how neural-based models have rapidly evolved to address natural language understanding in dialogue systems. We introduce three neural architectures: independent model, which model SF and IC separately, joint models, which exploit the mutual benefit of the two tasks simultaneously, and transfer learning models, that scale the model to new domains. We discuss the current state of the research in SF and IC and highlight challenges that still require attention.
• Abstract（参考訳）: 近年,深層学習技術と対話型AIの高需要により,タスク指向対話システムにおけるユーザニーズを抽出し理解する能力に対処する様々なアプローチが提案されている。 我々は,スロット充填(sf)とインテント分類(ic)の2つのタスクに注目し,対話システムにおける自然言語理解に対応するために,ニューラルネットワークモデルがどのように急速に進化してきたかを調査した。 3つのニューラルアーキテクチャを導入する。sfとicを別々にモデル化する独立モデル、2つのタスクの相互利益を同時に活用するジョイントモデルと、モデルを新しいドメインにスケールする学習モデルを転送する学習モデルである。 SFおよびICにおける研究の現状について論じ,まだ注意を要する課題を強調した。

関連論文リスト

• Multi-Stage Coarse-to-Fine Contrastive Learning for Conversation Intent Induction [34.25242109800481]
  本稿では,第11回対話システム技術チャレンジ(DSTC11)におけるタスク指向対話における会話からのインテントインジェクションの追跡方法について述べる。 意図的クラスタリングの本質は、異なる対話発話の表現を区別することにある。 DSTC11の評価結果では,このトラックの2つのサブタスクのうちの1位が提案システムである。
  論文  参考訳（メタデータ） (2023-03-09T04:51:27Z)
• Foundation Models for Decision Making: Problems, Methods, and Opportunities [124.79381732197649]
  大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。 ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。 基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
  論文  参考訳（メタデータ） (2023-03-07T18:44:07Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。 本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。 さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
  論文  参考訳（メタデータ） (2021-10-11T03:52:37Z)
• Recent Advances in Deep Learning-based Dialogue Systems [12.798560005546262]
  我々は主に深層学習に基づく対話システムに注目している。 この調査は、対話システムおよび対話関連タスクの分野で現在最も包括的で最新のものです。
  論文  参考訳（メタデータ） (2021-05-10T14:07:49Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  対話モデリングの観点から,従来の手法を検討した。 対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
  論文  参考訳（メタデータ） (2021-03-04T15:50:17Z)
• Topic Modelling Meets Deep Neural Networks: A Survey [25.950652301810425]
  トピックモデリングは、ほぼ20年間、テキスト分析に成功した技術です。 トピックモデリングがディープニューラルネットワークと出会うと、新しく普及する研究領域であるニューラルトピックモデルが出現した。 本稿では,AIコミュニティの研究者を対象とした,ニューラルネットワークモデルの概要について概説する。
  論文  参考訳（メタデータ） (2021-02-28T12:59:28Z)
• Model-Based Machine Learning for Communications [110.47840878388453]
  モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。 通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
  論文  参考訳（メタデータ） (2021-01-12T19:55:34Z)
• Neurosymbolic AI for Situated Language Understanding [13.249453757295083]
  我々は,これらの学習課題に対する解法として,計算位置定位法が有効であると主張している。 我々のモデルは、古典的なAIの考えをニューロシンボリックインテリジェンス(英語版)の枠組みに再組み入れている。 我々は、さまざまなAI学習課題に対して、位置情報が多様なデータと複数のレベルのモデリングを提供する方法について論じる。
  論文  参考訳（メタデータ） (2020-12-05T05:03:28Z)
• Modelling Hierarchical Structure between Dialogue Policy and Natural Language Generator with Option Framework for Task-oriented Dialogue System [49.39150449455407]
  HDNOは、特定の対話行為表現の設計を避けるために潜在対話行為を設計するためのオプションフレームワークである。 RL,LaRL,HDSAで学習した単語レベルE2Eモデルと比較して,マルチドメイン対話のデータセットであるMultiWoz 2.0とMultiWoz 2.1でHDNOをテストする。
  論文  参考訳（メタデータ） (2020-06-11T20:55:28Z)
• Recent Advances and Challenges in Task-oriented Dialog System [63.82055978899631]
  課題指向対話システムは、学術・産業社会でますます注目を集めている。 タスク指向ダイアログシステムにおける3つの重要なトピックについて論じる。(1)低リソース環境でのダイアログモデリングを容易にするデータ効率の改善、(2)ダイアログポリシー学習のためのマルチターンダイナミクスのモデリング、(3)ダイアログモデルへのドメイン知識の統合。
  論文  参考訳（メタデータ） (2020-03-17T01:34:56Z)

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。