論文の概要: On Estimating the Training Cost of Conversational Recommendation Systems

• arxiv url: http://arxiv.org/abs/2011.05302v1
• Date: Tue, 10 Nov 2020 18:37:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 06:48:36.967659
• Title: On Estimating the Training Cost of Conversational Recommendation Systems
• Title（参考訳）: 会話レコメンデーションシステムのトレーニングコストの推定について
• Authors: Stefanos Antaris, Dimitrios Rafailidis, Mohammad Aliannejadi
• Abstract要約: 最先端の会話モデルの計算訓練時間について検討する。 我々は,知識蒸留戦略に則って,高いトレーニングコストに対処する可能性について論じる。 多数のモデルパラメータのオンライン推論時間を短縮する上で重要な課題について詳述する。
• 参考スコア（独自算出の注目度）: 6.220008946076208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational recommendation systems have recently gain a lot of attention, as users can continuously interact with the system over multiple conversational turns. However, conversational recommendation systems are based on complex neural architectures, thus the training cost of such models is high. To shed light on the high computational training time of state-of-the art conversational models, we examine five representative strategies and demonstrate this issue. Furthermore, we discuss possible ways to cope with the high training cost following knowledge distillation strategies, where we detail the key challenges to reduce the online inference time of the high number of model parameters in conversational recommendation systems
• Abstract（参考訳）: 会話レコメンデーションシステムは、ユーザが複数の会話のターンで継続的にシステムと対話できるため、近年多くの注目を集めている。 しかし,対話型レコメンデーションシステムは複雑なニューラルアーキテクチャに基づいているため,モデルのトレーニングコストが高い。 最先端の会話モデルの高い計算訓練時間を明らかにするために,5つの代表的な戦略を検討し,この問題を実証する。 さらに、知識蒸留戦略の後に高いトレーニングコストに対処する方法についても論じ、対話型レコメンデーションシステムにおいて、多数のモデルパラメータのオンライン推論時間を短縮する上で重要な課題を詳述する。

関連論文リスト

• WavChat: A Survey of Spoken Dialogue Models [66.82775211793547]
  GPT-4oのようなシステムで実証された音声対話モデルの最近の進歩は、音声領域において大きな注目を集めている。 これらの高度な音声対話モデルは、音声、音楽、その他の音声関連の特徴を理解するだけでなく、音声のスタイリスティックな特徴や音節的な特徴も捉える。 音声対話システムの進歩にもかかわらず、これらのシステムを体系的に組織化し分析する包括的調査が欠如している。
  論文  参考訳（メタデータ） (2024-11-15T04:16:45Z)
• Enabling Real-Time Conversations with Minimal Training Costs [61.80370154101649]
  本稿では,2つの言語モデルに対して,最小限の訓練を要し,2つの言語能力を持つ新しい重複復号法を提案する。 実験結果から,本手法はトレーニングコストの最小化とともに,ユーザとAIのインタラクションの自然性と人間的類似性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-09-18T06:27:26Z)
• An Efficient Self-Learning Framework For Interactive Spoken Dialog Systems [18.829793635104608]
  ダイアログシステムにおけるASRの一般的なフレームワークを紹介する。 従来の学習と比較して,我々の新しいフレームワークを活用することで,実世界の対話システムにおいて比較的WERが10%近く削減されることが示されている。
  論文  参考訳（メタデータ） (2024-09-16T17:59:50Z)
• Identifying Breakdowns in Conversational Recommender Systems using User Simulation [15.54070473873364]
  本稿では,会話のブレークダウンに関して,会話レコメンデーションシステムをテストする手法を提案する。 システム間で発生した会話を調べ、事前に定義されたブレークダウンタイプに対してユーザをシミュレートする。 提案手法を既存の会話レコメンデータシステムとユーザシミュレータを用いたケーススタディに適用し,ほんの数イテレーションで,会話のブレークダウンに対してシステムをより堅牢にすることができることを示す。
  論文  参考訳（メタデータ） (2024-05-23T07:28:26Z)
• Improving Conversational Recommendation Systems via Counterfactual Data Simulation [73.4526400381668]
  会話推薦システム(CRS)は、自然言語による会話を通じてレコメンデーションサービスを提供することを目的としている。 既存のCRSアプローチは、トレーニングデータの不足により、トレーニングの不十分な問題に悩まされることが多い。 我々は,CRSにおけるデータ不足の問題を緩和するため,CFCRSと呼ばれるCRSに対するCounterFactualデータシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2023-06-05T12:48:56Z)
• Interactive Machine Learning for Image Captioning [8.584932159968002]
  画像キャプションモデルのための対話型学習手法を提案する。 我々は、データ拡張手法を用いてフィードバックを乗算することで、人間のフィードバックをできるだけ活用するシステムを構想する。
  論文  参考訳（メタデータ） (2022-02-28T09:02:32Z)
• Improving mathematical questioning in teacher training [1.794107419334178]
  高忠実でAIに基づくシミュレートされた教室システムにより、教師は効果的な教育戦略をリハーサルすることができる。 本稿では,教師が数学的質問のスキルを実践するのを支援するために,テキストベースの対話型エージェントを構築した。
  論文  参考訳（メタデータ） (2021-12-02T05:33:03Z)
• Learning an Effective Context-Response Matching Model with Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
  我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。 我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。 実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-09-14T08:44:46Z)
• Deep Conversational Recommender Systems: A New Frontier for Goal-Oriented Dialogue Systems [54.06971074217952]
  Conversational Recommender System (CRS)は対話型対話を通じてユーザの好みを学習し、モデル化する。 ディープラーニングアプローチはCRSに適用され、実りある結果を生み出した。
  論文  参考訳（メタデータ） (2020-04-28T02:20:42Z)
• A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
  ベイズ的アプローチに基づく会話推薦システムを提案する。 エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
  論文  参考訳（メタデータ） (2020-02-12T15:59:31Z)

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。