論文の概要: Saying No is An Art: Contextualized Fallback Responses for Unanswerable
Dialogue Queries
- arxiv url: http://arxiv.org/abs/2012.01873v3
- Date: Thu, 6 May 2021 07:40:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 22:15:27.940547
- Title: Saying No is An Art: Contextualized Fallback Responses for Unanswerable
Dialogue Queries
- Title(参考訳): Saying No is an Art: 解決不可能な対話クエリに対するコンテキスト化されたフォールバック応答
- Authors: Ashish Shrivastava, Kaustubh Dhole, Abhinav Bhatt, Sharvani Raghunath
- Abstract要約: ほとんどの対話システムは、ランク付けされた応答を生成するためのハイブリッドアプローチに依存している。
ユーザクエリに対して文脈的に認識された応答を生成するニューラルネットワークを設計する。
我々の単純なアプローチでは、依存関係解析のルールと、質問応答ペアの合成データに基づいて微調整されたテキストからテキストへの変換を行う。
- 参考スコア(独自算出の注目度): 3.593955557310285
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite end-to-end neural systems making significant progress in the last
decade for task-oriented as well as chit-chat based dialogue systems, most
dialogue systems rely on hybrid approaches which use a combination of
rule-based, retrieval and generative approaches for generating a set of ranked
responses. Such dialogue systems need to rely on a fallback mechanism to
respond to out-of-domain or novel user queries which are not answerable within
the scope of the dialog system. While, dialog systems today rely on static and
unnatural responses like "I don't know the answer to that question" or "I'm not
sure about that", we design a neural approach which generates responses which
are contextually aware with the user query as well as say no to the user. Such
customized responses provide paraphrasing ability and contextualization as well
as improve the interaction with the user and reduce dialogue monotonicity. Our
simple approach makes use of rules over dependency parses and a text-to-text
transformer fine-tuned on synthetic data of question-response pairs generating
highly relevant, grammatical as well as diverse questions. We perform automatic
and manual evaluations to demonstrate the efficacy of the system.
- Abstract(参考訳): タスク指向とチャットベースの対話システムでは、エンドツーエンドのニューラルネットワークが過去10年間で大きな進歩を遂げているが、ほとんどの対話システムは、ルールベース、検索、生成的なアプローチを組み合わせてランク付けされた応答を生成するハイブリッドアプローチに依存している。
このような対話システムは、ドメイン外またはダイアログシステムの範囲内で応答できない新しいユーザクエリに応答するフォールバック機構に頼る必要がある。
現在、ダイアログシステムは、静的で不自然な応答("その質問に対する答えを知らない"や"それについて知らない"など)に依存していますが、私たちは、ユーザクエリをコンテキスト的に認識し、ユーザにノーと言う応答を生成する、ニューラルアプローチを設計しています。
このようなカスタマイズされた応答は、パラフレージング機能とコンテキスト化を提供し、ユーザとのインタラクションを改善し、対話の単調性を低減する。
我々の単純なアプローチでは,係り受け解析のルールと,質問応答対の合成データを微調整したテキスト・テキスト・トランスフォーマーを用いて,多種多様な質問を生成する。
システムの有効性を実証するために,自動的および手作業による評価を行う。
関連論文リスト
- 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) - PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded
Dialogue Systems [59.1250765143521]
現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。
我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。
対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
論文 参考訳(メタデータ) (2023-09-19T08:27:09Z) - Contextual Dynamic Prompting for Response Generation in Task-oriented
Dialog Systems [8.419582942080927]
応答生成はタスク指向対話システムにおいて重要なコンポーネントの1つである。
本稿では,対話コンテキストからプロンプトを学習するテキスト動的プロンプトを実現する手法を提案する。
文脈的動的プロンプトは,3つの絶対点で構造化されたテキスト合成スコア citemehri-etal 2019 を用いて応答生成を改善することを示す。
論文 参考訳(メタデータ) (2023-01-30T20:26:02Z) - A Systematic Evaluation of Response Selection for Open Domain Dialogue [36.88551817451512]
同じダイアログで生成された複数の応答生成元からの応答を、適切な(正)と不適切な(負)として手動でアノテートするデータセットをキュレートした。
反応選択のための最先端手法の体系的評価を行い、複数の正の候補を用いたり、手動で検証された強陰性候補を用いたりすることで、それぞれRecall@1スコアの3%と13%の増加など、相手のトレーニングデータを用いた場合と比較して、大幅な性能向上が期待できることを示す。
論文 参考訳(メタデータ) (2022-08-08T19:33:30Z) - Grounding in social media: An approach to building a chit-chat dialogue
model [9.247397520986999]
豊かな人間のような会話能力を持つオープンドメイン対話システムを構築することは、言語生成における根本的な課題の1つである。
知識に基づく対話生成に関する現在の研究は、主にウィキペディアのような事実に基づく構造化知識ソースを法人化または検索することに焦点を当てている。
本手法は,ソーシャルメディア上での人間の反応行動の模倣によって,システムの生会話能力を向上させることを目的とした,より広範かつシンプルなアプローチである。
論文 参考訳(メタデータ) (2022-06-12T09:01:57Z) - Target-Guided Dialogue Response Generation Using Commonsense and Data
Augmentation [32.764356638437214]
ターゲット誘導応答生成のための新しい手法を提案する。
また,既存の対話データセットをターゲット誘導生成のために再利用する手法を提案する。
我々の作業は、一般的に、対話システムの設計者が、システムが生み出す会話をより制御できるようにします。
論文 参考訳(メタデータ) (2022-05-19T04:01:40Z) - What is wrong with you?: Leveraging User Sentiment for Automatic Dialog
Evaluation [73.03318027164605]
本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。
本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
論文 参考訳(メタデータ) (2022-03-25T22:09:52Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳(メタデータ) (2022-03-20T17:51:49Z) - User Response and Sentiment Prediction for Automatic Dialogue Evaluation [69.11124655437902]
本稿では,次のユーザ発話の感情をターンレベル評価やダイアログレベル評価に利用することを提案する。
実験により,本モデルによる音声対話データセットと音声対話データセットの両方において,既存の自動評価指標よりも優れた結果が得られた。
論文 参考訳(メタデータ) (2021-11-16T22:19:17Z) - Alexa Conversations: An Extensible Data-driven Approach for Building
Task-oriented Dialogue Systems [21.98135285833616]
従来の目標指向対話システムは、自然言語理解、対話状態追跡、政策学習、応答生成など、さまざまなコンポーネントに依存している。
スケーラブルかつデータ効率の高い,目標指向の対話システム構築のための新たなアプローチを提案する。
論文 参考訳(メタデータ) (2021-04-19T07:09:27Z) - 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)
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。