論文の概要: Co-GAT: A Co-Interactive Graph Attention Network for Joint Dialog Act
Recognition and Sentiment Classification
- arxiv url: http://arxiv.org/abs/2012.13260v1
- Date: Thu, 24 Dec 2020 14:10:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 08:20:32.185564
- Title: Co-GAT: A Co-Interactive Graph Attention Network for Joint Dialog Act
Recognition and Sentiment Classification
- Title（参考訳）: co-gat:ジョイントダイアログアクティベーション認識と感情分類のための対話型グラフ注意ネットワーク
- Authors: Libo Qin, Zhouyang Li, Wanxiang Che, Minheng Ni, Ting Liu
- Abstract要約: ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。
2つのタスクを共同で実行するためのCo-GAT(Co-Interactive Graph Attention Network)を提案する。
2つの公開データセットの実験結果から,我々のモデルは2つの情報源をうまく捉えていることがわかった。
- 参考スコア（独自算出の注目度）: 34.711179589196355
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a dialog system, dialog act recognition and sentiment classification are
two correlative tasks to capture speakers intentions, where dialog act and
sentiment can indicate the explicit and the implicit intentions separately. The
dialog context information (contextual information) and the mutual interaction
information are two key factors that contribute to the two related tasks.
Unfortunately, none of the existing approaches consider the two important
sources of information simultaneously. In this paper, we propose a
Co-Interactive Graph Attention Network (Co-GAT) to jointly perform the two
tasks. The core module is a proposed co-interactive graph interaction layer
where a cross-utterances connection and a cross-tasks connection are
constructed and iteratively updated with each other, achieving to consider the
two types of information simultaneously. Experimental results on two public
datasets show that our model successfully captures the two sources of
information and achieve the state-of-the-art performance.
In addition, we find that the contributions from the contextual and mutual
interaction information do not fully overlap with contextualized word
representations (BERT, Roberta, XLNet).
- Abstract（参考訳）: 対話システムでは、対話行為認識と感情分類は話者意図を捉えるための2つの相関的なタスクであり、対話行為と感情は明示的意図と暗黙的意図を別々に示すことができる。
対話コンテキスト情報(コンテキスト情報)と相互相互作用情報は、この2つの関連するタスクに寄与する2つの重要な要素である。
残念ながら、既存のどのアプローチも2つの重要な情報ソースを同時に考慮していない。
本稿では,2つのタスクを協調実行するためのコ・インターアクティブグラフ注意ネットワーク(Co-GAT)を提案する。
コアモジュールは、クロス発話接続とクロスタスク接続が構築され、相互に更新され、2つの種類の情報を同時に考慮する共対話グラフインタラクション層である。
2つの公開データセットによる実験結果から,我々のモデルは2つの情報源の取得に成功し,最先端の性能を達成できた。
さらに,文脈的および相互的相互作用情報からの貢献は,文脈的表現(bert,roberta,xlnet)と完全に重複しないことがわかった。
関連論文リスト
- Dial2vec: Self-Guided Contrastive Learning of Unsupervised Dialogue
Embeddings [41.79937481022846]
教師なし対話の埋め込みを学習するタスクについて紹介する。
事前学習された単語や文の埋め込みや、事前学習された言語モデルによるエンコーディングといったトライアル的なアプローチは、実現可能であることが示されている。
本稿では,Dial2vecという自己指導型コントラスト学習手法を提案する。
論文 参考訳（メタデータ） (2022-10-27T11:14:06Z) - A Hierarchical Interactive Network for Joint Span-based Aspect-Sentiment
Analysis [34.1489054082536]
本稿では,2つのタスク間の双方向相互作用を適切にモデル化する階層型対話型ネットワーク(HI-ASA)を提案する。
クロススティッチ機構を用いて、異なるタスク固有の特徴を入力として選択的に組み合わせ、適切な双方向インタラクションを保証する。
3つの実世界のデータセットの実験は、HI-ASAがベースラインよりも優れていることを示している。
論文 参考訳（メタデータ） (2022-08-24T03:03:49Z) - Context-Aware Interaction Network for Question Matching [51.76812857301819]
本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。
具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
論文 参考訳（メタデータ） (2021-04-17T05:03:56Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - Interactive Fusion of Multi-level Features for Compositional Activity
Recognition [100.75045558068874]
インタラクティブな融合によってこの目標を達成する新しいフレームワークを提案する。
本フレームワークは,位置から出現までの特徴抽出,意味的特徴の相互作用,意味から位置への予測という3つのステップで実装する。
我々は,2つの行動認識データセット,SomethingとCharadesに対するアプローチを評価した。
論文 参考訳（メタデータ） (2020-12-10T14:17:18Z) - A Co-Interactive Transformer for Joint Slot Filling and Intent Detection [61.109486326954205]
音声言語理解システム(SLU)を構築する上では,インテント検出とスロットフィリングが主要な2つのタスクである。
以前の研究では、2つのタスクを個別にモデル化するか、インテントからスロットへの単一の情報フローのみを考慮していた。
本稿では,2つのタスク間の相互影響を同時に検討するコ・インターアクティブ・トランスフォーマーを提案する。
論文 参考訳（メタデータ） (2020-10-08T10:16:52Z) - GraphDialog: Integrating Graph Knowledge into End-to-End Task-Oriented
Dialogue Systems [9.560436630775762]
エンドツーエンドのタスク指向対話システムは,平易なテキスト入力から直接システム応答を生成することを目的としている。
1つは、外部知識ベース(KB)を学習フレームワークに効果的に組み込む方法であり、もう1つは、対話履歴のセマンティクスを正確に捉える方法である。
この2つの課題は、知識ベースと対話の依存性解析ツリーにおけるグラフ構造情報を活用することで解決される。
論文 参考訳（メタデータ） (2020-10-04T00:04:40Z) - DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act
Recognition and Sentiment Classification [77.59549450705384]
ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。
既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。
本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
論文 参考訳（メタデータ） (2020-08-16T14:13:32Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。