論文の概要: Slot Self-Attentive Dialogue State Tracking
- arxiv url: http://arxiv.org/abs/2101.09374v1
- Date: Fri, 22 Jan 2021 22:48:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-20 17:31:54.064068
- Title: Slot Self-Attentive Dialogue State Tracking
- Title（参考訳）: Slot Self-Attentive Dialogue State Tracking
- Authors: Fanghua Ye, Jarana Manotumruksa, Qiang Zhang, Shenghui Li, Emine
Yilmaz
- Abstract要約: スロット相関を自動的に学習できるスロット自己認識機構を提案する。
2つのマルチドメインタスク指向対話データセットの包括的な実験を行います。
- 参考スコア（独自算出の注目度）: 22.187581131353948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An indispensable component in task-oriented dialogue systems is the dialogue
state tracker, which keeps track of users' intentions in the course of
conversation. The typical approach towards this goal is to fill in multiple
pre-defined slots that are essential to complete the task. Although various
dialogue state tracking methods have been proposed in recent years, most of
them predict the value of each slot separately and fail to consider the
correlations among slots. In this paper, we propose a slot self-attention
mechanism that can learn the slot correlations automatically. Specifically, a
slot-token attention is first utilized to obtain slot-specific features from
the dialogue context. Then a stacked slot self-attention is applied on these
features to learn the correlations among slots. We conduct comprehensive
experiments on two multi-domain task-oriented dialogue datasets, including
MultiWOZ 2.0 and MultiWOZ 2.1. The experimental results demonstrate that our
approach achieves state-of-the-art performance on both datasets, verifying the
necessity and effectiveness of taking slot correlations into consideration.
- Abstract（参考訳）: タスク指向の対話システムで不可欠なコンポーネントは、会話の過程でユーザの意図を追跡する対話状態トラッカである。
この目標への典型的なアプローチは、タスクの完了に不可欠な複数の事前定義されたスロットを埋めることである。
近年,様々な対話状態追跡手法が提案されているが,そのほとんどは個別にスロットの値を予測するものであり,スロット間の相関を考慮できない。
本稿では,スロット相関を自動的に学習するスロット自己認識機構を提案する。
具体的には、まずスロットに注意を払って対話コンテキストからスロット固有の特徴を得る。
そして、これらの特徴に積み重ねられたスロット自己注意を適用し、スロット間の相関関係を学習する。
multiwoz 2.0 と multiwoz 2.1 を含む2つのマルチドメインタスク指向対話データセットについて包括的な実験を行う。
実験の結果,本手法は両データセットにおける最先端性能を実現し,スロット相関を考慮に入れる必要性と有効性を検証した。
関連論文リスト
- Beyond the Granularity: Multi-Perspective Dialogue Collaborative
Selection for Dialogue State Tracking [18.172993687706708]
対話状態追跡においては、対話履歴は重要な材料であり、その利用法は異なるモデルによって異なる。
状態更新のために各スロットに対応する対話内容を動的に選択するDiCoS-DSTを提案する。
提案手法は,MultiWOZ 2.1およびMultiWOZ 2.2上での最先端性能を実現し,複数の主流ベンチマークデータセット上での優れた性能を実現する。
論文 参考訳（メタデータ） (2022-05-20T10:08:45Z) - LUNA: Learning Slot-Turn Alignment for Dialogue State Tracking [21.80577241399013]
対話状態追跡(DST)は、対話履歴から現在の対話状態を予測することを目的としている。
既存のメソッドは通常、すべての対話の発話を利用して、各スロットの値を割り当てる。
sLot-tUrNアライメント拡張手法LUNAを提案する。
まず、各スロットを最も関連性の高い発話に明示的にアライメントし、さらに全ての対話発話の代わりに、このアライメントされた発話に基づいて対応する値を予測する。
論文 参考訳（メタデータ） (2022-05-05T10:18:23Z) - A Universality-Individuality Integration Model for Dialog Act
Classification [0.0]
対話法(DA)は、会話における話者発話の一般的な意図を明らかにする。
本稿では, 単語キュー, パート・オブ・音声キュー, 統計キューが相互に補完し, 認識基盤を改善することを示唆する。
We propose a novel model based on universality and individuality strategy, called Universality-Individuality Integration Model (UIIM)。
論文 参考訳（メタデータ） (2022-04-13T06:05:34Z) - User Satisfaction Estimation with Sequential Dialogue Act Modeling in
Goal-oriented Conversational Systems [65.88679683468143]
我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。
USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。
4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2022-02-07T02:50:07Z) - Ontology-Enhanced Slot Filling [3.024095356755364]
マルチドメインタスク指向ダイアログシステムでは、ユーザ発話とシステム応答は複数の名前付きエンティティと属性値を参照することができる。
システムは、ユーザによって確認されたものを選択し、それを運命のスロットに埋める必要がある。
対話セッションには複数のシステムユーザターンが含まれているため、BERTのようなディープモデルにすべてのトークンを投入することは、入力ワードトークンやGPUメモリの容量が限られているため困難である。
論文 参考訳（メタデータ） (2021-08-25T14:54:47Z) - 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) - 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) - Point or Generate Dialogue State Tracker [0.0]
我々はPOGD(Point-Or-Generate Dialogue State Tracker)を提案する。
POGDは、ユーザの発話から明示的に表現されたスロット値を指摘し、スロット固有のコンテキストに基づいて暗黙的に表現されたスロットを生成する。
実験によると、POGDはWoZ 2.0とMultiWoZ 2.0の両方のデータセットで最先端の結果を得るだけでなく、目に見えない値と新しいスロットをうまく一般化している。
論文 参考訳（メタデータ） (2020-08-08T02:15:25Z)
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。