論文の概要: Answer Identification in Collaborative Organizational Group Chat

• arxiv url: http://arxiv.org/abs/2011.08074v1
• Date: Wed, 4 Nov 2020 09:42:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 22:15:05.593948
• Title: Answer Identification in Collaborative Organizational Group Chat
• Title（参考訳）: コラボレーティブグループチャットにおける回答識別
• Authors: Naama Tepper, Naama Zwerdling, David Naori and Inbal Ronen
• Abstract要約: グループチャットは、相互に交わされた会話と「常に」可用性によって特徴付けられる。 我々のカーネル密度推定(KDE)に基づくクラスタリングアプローチであるAns-Chatは暗黙的に解答識別の手段として議論パターンを学習する。
• 参考スコア（独自算出の注目度）: 4.062043689926534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a simple unsupervised approach for answer identification in organizational group chat. In recent years, organizational group chat is on the rise enabling asynchronous text-based collaboration between co-workers in different locations and time zones. Finding answers to questions is often critical for work efficiency. However, group chat is characterized by intertwined conversations and 'always on' availability, making it hard for users to pinpoint answers to questions they care about in real-time or search for answers in retrospective. In addition, structural and lexical characteristics differ between chat groups, making it hard to find a 'one model fits all' approach. Our Kernel Density Estimation (KDE) based clustering approach termed Ans-Chat implicitly learns discussion patterns as a means for answer identification, thus eliminating the need to channel-specific tagging. Empirical evaluation shows that this solution outperforms other approached.
• Abstract（参考訳）: 組織グループチャットにおける回答識別のための簡単な教師なしアプローチを提案する。 近年、異なる場所や時間帯の同僚間での非同期テキストベースのコラボレーションを可能にする組織グループチャットが増えている。 質問への答えを見つけることは仕事の効率にとって非常に重要です。 しかしながら、グループチャットの特徴は、会話の絡み合いと'常にオン'なアベイラビリティであり、ユーザがリアルタイムで関心のある質問への回答や振り返りでの回答を見つけるのが困難である。 さらに、構造的特徴と語彙的特徴はチャットグループによって異なり、"one model fits all"アプローチを見つけるのが困難である。 我々のカーネル密度推定(KDE)に基づくクラスタリングアプローチであるAns-Chatは、応答同定の手段として議論パターンを暗黙的に学習し、チャネル固有のタグ付けの必要性を排除する。 経験的評価は、このソリューションが他のアプローチよりも優れていることを示している。

関連論文リスト

• Do LLMs suffer from Multi-Party Hangover? A Diagnostic Approach to Addressee Recognition and Response Selection in Conversations [11.566214724241798]
  本研究では,会話の特定の構造的属性間でのモデル性能を調査する手法を提案する。 我々はモデルの弱点を診断するために、応答選択とアドレス認識タスクに焦点をあてる。 その結果、応答選択は会話のテキストの内容に依存しており、アドレス認識ではその構造的次元を捉える必要があることがわかった。
  論文  参考訳（メタデータ） (2024-09-27T10:07:33Z)
• Reasoning in Conversation: Solving Subjective Tasks through Dialogue Simulation for Large Language Models [56.93074140619464]
  本稿では,対話シミュレーションによる主観的課題の解決に焦点を当てたRiC(Reasoning in Conversation)を提案する。 RiCのモチベーションは、チェーン・オブ・ソート・スタイルの合理性を提供するのではなく、対話をシミュレートすることで有用な文脈情報をマイニングすることである。 GPT-4、ChatGPT、OpenChatなど、APIベースのLLMとオープンソースのLLMの両方を12のタスクで評価する。
  論文  参考訳（メタデータ） (2024-02-27T05:37:10Z)
• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• ChatGPT Evaluation on Sentence Level Relations: A Focus on Temporal, Causal, and Discourse Relations [52.26802326949116]
  対話型大規模言語モデルChatGPTの性能を,文間関係に基づいて定量的に評価する。 ChatGPTは因果関係の検出と推論において極めて優れた能力を示す。 既存の明示的な談話接続物との談話関係の大多数を特定できるが、暗黙的な談話関係は依然として恐ろしい課題である。
  論文  参考訳（メタデータ） (2023-04-28T13:14:36Z)
• DialogQAE: N-to-N Question Answer Pair Extraction from Customer Service Chatlog [34.69426306212259]
  そこで,N-to-NQA抽出タスクを提案する。 5つのカスタマサービスデータセット上で良好に機能する、エンドツーエンドと2段階のバリエーションを備えた、生成的/識別的タグ付けベースの一連の方法を紹介します。
  論文  参考訳（メタデータ） (2022-12-14T09:05:14Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• SCAI-QReCC Shared Task on Conversational Question Answering [7.428559907101379]
  SCAI'21は独立したオンラインイベントとして組織され、会話型質問応答の共有タスクを特徴とした。 我々は,この設定における回答の正当性の評価を,主要な課題と現在の研究ギャップとして認識した。 我々は2つのクラウドソーシング実験を行い、回答の妥当性と忠実さのアノテーションを収集した。
  論文  参考訳（メタデータ） (2022-01-26T18:03:21Z)
• Disentangling Online Chats with DAG-Structured LSTMs [55.33014148383343]
  DAG-LSTMはTree-LSTMの一般化であり、間接的な非循環的依存関係を処理できる。 提案する新モデルでは,リプライ・トゥ・リレーション(Repend-to-Relation)を回復する作業において,アート・ステータスの状態を達成できることが示される。
  論文  参考訳（メタデータ） (2021-06-16T18:00:00Z)
• Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and Context-Aware Auto-Encoders [59.038157066874255]
  本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。 RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。 消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
  論文  参考訳（メタデータ） (2020-12-14T07:31:17Z)
• Conversational Question Answering over Passages by Leveraging Word Proximity Networks [33.59664244897881]
  CROWNは、経路応答を持つ会話型QAのための教師なしかつ効果的なシステムである。 複数のターンにまたがる複数のコンテキストの伝搬をサポートする。 CROWNはTREC CAsTデータで評価され、ニューラルネットワークのプールにおいて上述の性能を達成した。
  論文  参考訳（メタデータ） (2020-04-27T19:30:47Z)

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。