論文の概要: Using Meta-Knowledge Mined from Identifiers to Improve Intent
Recognition in Neuro-Symbolic Algorithms
- arxiv url: http://arxiv.org/abs/2012.09005v1
- Date: Wed, 16 Dec 2020 15:04:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 13:18:42.584751
- Title: Using Meta-Knowledge Mined from Identifiers to Improve Intent
Recognition in Neuro-Symbolic Algorithms
- Title（参考訳）: 識別器から抽出したメタ知識を用いてニューロシンボリックアルゴリズムのインテント認識を改善する
- Authors: Claudio Pinhanez, Paulo Cavalin, Victor Ribeiro, Heloisa Candello,
Julio Nogima, Ana Appel, Mauro Pichiliani, Maira Gatti de Bayser, Melina
Guerra, Henrique Ferreira, Gabriel Malfatti
- Abstract要約: ニューロシンボリックアルゴリズムはそのようなプロトタキソノミを組み込んで意図表現を拡張できることを示す。
このようなメタ知識が意図認識の精度を向上させることを示す。
- 参考スコア（独自算出の注目度）: 3.782744016689254
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we explore the use of meta-knowledge embedded in intent
identifiers to improve intent recognition in conversational systems. As
evidenced by the analysis of thousands of real-world chatbots and in interviews
with professional chatbot curators, developers and domain experts tend to
organize the set of chatbot intents by identifying them using proto-taxonomies,
i.e., meta-knowledge connecting high-level, symbolic concepts shared across
different intents. By using neuro-symbolic algorithms able to incorporate such
proto-taxonomies to expand intent representation, we show that such mined
meta-knowledge can improve accuracy in intent recognition. In a dataset with
intents and example utterances from hundreds of professional chatbots, we saw
improvements of more than 10% in the equal error rate (EER) in almost a third
of the chatbots when we apply those algorithms in comparison to a baseline of
the same algorithms without the meta-knowledge. The meta-knowledge proved to be
even more relevant in detecting out-of-scope utterances, decreasing the false
acceptance rate (FAR) in more than 20\% in about half of the chatbots. The
experiments demonstrate that such symbolic meta-knowledge structures can be
effectively mined and used by neuro-symbolic algorithms, apparently by
incorporating into the learning process higher-level structures of the problem
being solved. Based on these results, we also discuss how the use of mined
meta-knowledge can be an answer for the challenge of knowledge acquisition in
neuro-symbolic algorithms.
- Abstract（参考訳）: 本稿では,会話システムにおける意図認識を改善するために,意図識別子に埋め込まれたメタ知識の利用を検討する。
何千もの現実世界のチャットボットの分析や、プロのチャットボットキュレーターとのインタビューで証明されたように、開発者やドメインの専門家は、プロトタコノミを用いてチャットボットを識別することで、チャットボットの意図を整理する傾向にある。
神経シンボリックアルゴリズムを用いて, インテント表現を拡張するために, インテント認識の精度を向上させることができることを示す。
数百のプロのチャットボットからのインテントやサンプルの発話を含むデータセットでは、メタ知識を持たない同じアルゴリズムのベースラインと比較して、これらのアルゴリズムを適用すると、チャットボットのほぼ3分の1で、同じエラー率(eer)が10%以上向上しました。
メタ知識は、スコープ外発話の検出にさらに関連があることが判明し、チャットボットの約半数において、偽受け入れ率(FAR)を20%以上減少させた。
これらのシンボリックメタ知識構造は神経シンボリックアルゴリズムによって効果的に採掘・利用され、明らかに問題解決の高レベルな構造を学習プロセスに組み込むことによって実現されることが実証された。
これらの結果に基づき,神経シンボリックアルゴリズムにおける知識獲得の課題に対する答えとして,マイニングされたメタ知識の利用について検討する。
関連論文リスト
- Self-consistent context aware conformer transducer for speech recognition [0.06008132390640294]
ニューラルネットワークアーキテクチャにおいて、再帰的なデータフローを順応的に処理する新しいニューラルネットワークモジュールを導入する。
本手法は, 単語誤り率に悪影響を及ぼすことなく, 稀な単語の認識精度を向上させる。
その結果,両手法の組み合わせにより,まれな単語を最大4.5倍の精度で検出できることが判明した。
論文 参考訳（メタデータ） (2024-02-09T18:12:11Z) - SememeASR: Boosting Performance of End-to-End Speech Recognition against
Domain and Long-Tailed Data Shift with Sememe Semantic Knowledge [58.979490858061745]
セメムに基づくセマンティック知識情報を音声認識に導入する。
実験の結果,セム情報により音声認識の有効性が向上することが示された。
さらに,本実験により,セメム知識が長期データ認識を改善することが確認された。
論文 参考訳（メタデータ） (2023-09-04T08:35:05Z) - Surrogate Gradient Spiking Neural Networks as Encoders for Large
Vocabulary Continuous Speech Recognition [91.39701446828144]
スパイクニューラルネットワークは, 代理勾配法を用いて, 通常のリカレントニューラルネットワークのように訓練可能であることを示す。
彼らは音声コマンド認識タスクについて有望な結果を示した。
繰り返し発生する非スパイキングとは対照的に、ゲートを使わずに爆発する勾配問題に対して堅牢性を示す。
論文 参考訳（メタデータ） (2022-12-01T12:36:26Z) - Deep Learning for Hate Speech Detection: A Comparative Study [54.42226495344908]
ここでは, ディープ・ヘイト・音声検出法と浅いヘイト・音声検出法を大規模に比較した。
私たちの目標は、この地域の進歩を照らし、現在の最先端の強みと弱点を特定することです。
そこで我々は,ヘイトスピーチ検出の実践的利用に関するガイダンスの提供,最先端の定量化,今後の研究方向の特定を目的としている。
論文 参考訳（メタデータ） (2022-02-19T03:48:20Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳（メタデータ） (2021-06-10T07:10:25Z) - NUBOT: Embedded Knowledge Graph With RASA Framework for Generating
Semantic Intents Responses in Roman Urdu [0.0]
本稿では、対応するローマウルドゥ非構造化データに対する正確な意図の生成について述べる。
我々はこのコーパスをRASA NLUモジュールに統合して意図分類を行う。
論文 参考訳（メタデータ） (2021-02-20T18:17:21Z) - Speech Command Recognition in Computationally Constrained Environments
with a Quadratic Self-organized Operational Layer [92.37382674655942]
軽量ネットワークの音声コマンド認識能力を向上するネットワーク層を提案する。
この手法はテイラー展開と二次形式の概念を借用し、入力層と隠蔽層の両方における特徴のより良い表現を構築する。
このリッチな表現は、Google音声コマンド(GSC)と合成音声コマンド(SSC)データセットに関する広範な実験で示されているように、認識精度の向上をもたらす。
論文 参考訳（メタデータ） (2020-11-23T14:40:18Z) - Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。
相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
論文 参考訳（メタデータ） (2020-09-07T16:47:30Z) - Digit Recognition Using Convolution Neural Network [0.0]
本稿では,文字認識の精度を高めるために,正しい特徴を抽出することを目的とする。
パスワード、銀行小切手などの数字認識の応用により、有効なユーザ識別が認識される。
本研究の主な目的は、畳み込みニューラルネットワーク(CNN)を用いて、99.15%の精度を得ることである。
論文 参考訳（メタデータ） (2020-04-01T10:41:57Z) - Deep Adaptive Semantic Logic (DASL): Compiling Declarative Knowledge
into Deep Neural Networks [11.622060073764944]
本稿では,深層ニューラルネットワークの自動生成のための新しいフレームワークであるDeep Adaptive Semantic Logic (DASL)を紹介する。
DASLは、データからの学習を改善するために、ユーザが提供する形式的な知識を取り入れている。
我々は,視覚的関係検出タスク上でDASLを評価し,コモンセンス知識の追加によってデータ不足時の性能が10.7%向上することが実証された。
論文 参考訳（メタデータ） (2020-03-16T17:37:25Z) - A Post-processing Method for Detecting Unknown Intent of Dialogue System
via Pre-trained Deep Neural Network Classifier [23.25650237235107]
対話システムにおける未知の意図を検出するために,SofterMaxとDeep novelty Detection (SMDN)を提案する。
我々の手法は、モデルアーキテクチャを変更することなく、ディープニューラルネットワークで訓練された任意の分類器の上に柔軟に適用することができる。
本手法は,既知の意図と異なる事例を未知とし,その事例や事前の知識を必要としない事例を分類する。
論文 参考訳（メタデータ） (2020-03-07T03:29:01Z)
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。