論文の概要: Learning to Select External Knowledge with Multi-Scale Negative Sampling

• arxiv url: http://arxiv.org/abs/2102.02096v1
• Date: Wed, 3 Feb 2021 14:59:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 17:32:17.200152
• Title: Learning to Select External Knowledge with Multi-Scale Negative Sampling
• Title（参考訳）: マルチスケールネガティブサンプリングによる外部知識選択の学習
• Authors: Huang He, Hua Lu, Siqi Bao, Fan Wang, Hua Wu, Zhengyu Niu, Haifeng Wang
• Abstract要約: DSTC9のTrack-1は、タスク指向の対話において、ユーザの要求や質問に効果的に答えることを目的としている。 外部知識リソースを活用することで、これらのAPI外サージクエリの応答生成に関連情報を検索してエンコードすることが可能になる。
• 参考スコア（独自算出の注目度）: 31.833572852656008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Track-1 of DSTC9 aims to effectively answer user requests or questions during task-oriented dialogues, which are out of the scope of APIs/DB. By leveraging external knowledge resources, relevant information can be retrieved and encoded into the response generation for these out-of-API-coverage queries. In this work, we have explored several advanced techniques to enhance the utilization of external knowledge and boost the quality of response generation, including schema guided knowledge decision, negatives enhanced knowledge selection, and knowledge grounded response generation. To evaluate the performance of our proposed method, comprehensive experiments have been carried out on the publicly available dataset. Our approach was ranked as the best in human evaluation of DSTC9 Track-1.
• Abstract（参考訳）: DSTC9のトラック1は、API/DBの範囲外のタスク指向の対話中に、ユーザーの要求や質問に効果的に答えることを目指しています。 外部のナレッジリソースを活用することで、関連する情報をAPI外のクエリのレスポンス生成に取得およびエンコードすることができる。 本研究では,外部知識の利用性向上と応答生成の質向上を目的として,スキーマ誘導型知識決定,否定的知識選択,知識基盤型応答生成など,いくつかの先進的手法を検討した。 提案手法の性能を評価するため,公開データセットを用いた総合的な実験を行った。 提案手法はdstc9トラック1のヒト評価において最良であった。

関連論文リスト

• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
  本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。 我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。 提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
  論文  参考訳（メタデータ） (2022-06-30T02:35:04Z)
• SINC: Service Information Augmented Open-Domain Conversation [46.912064636311825]
  動的サービス情報を用いた知識駆動対話システムを提案する。 オープンドメインの中国初のサービス知識対話データセットDuSincをリリースしました。 自動評価と人的評価の両方により,提案手法はオープンドメイン会話の効果を著しく向上させることができることが示された。
  論文  参考訳（メタデータ） (2022-06-28T13:41:48Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [60.831374779191044]
  会話型調査のよいフォローアップ質問は、高品質な情報を促し、魅力的な体験を提供する。 本研究では,知識駆動型フォローアップ質問生成フレームワークを提案する。 実験により,本フレームワークは客観的評価と人間-専門家評価の両方において,GPTベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)
• Can I Be of Further Assistance? Using Unstructured Knowledge Access to Improve Task-oriented Conversational Modeling [39.60614611655266]
  この研究は、外部の非構造化の知識ソースを組み込むことによって、APIをカバーしていないユーザターンに応答することに焦点を当てている。 最初の2つのステップで新たなデータ拡張手法を導入し、対話コンテキストから抽出した情報を使用することで、知識選択とエンドツーエンドのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2021-06-16T23:31:42Z)
• Contextualized Knowledge-aware Attentive Neural Network: Enhancing Answer Selection with Knowledge [77.77684299758494]
  ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。 まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。 KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
  論文  参考訳（メタデータ） (2021-04-12T05:52:20Z)
• Unstructured Knowledge Access in Task-oriented Dialog Modeling using Language Inference, Knowledge Retrieval and Knowledge-Integrative Response Generation [44.184890645068485]
  外部知識に富んだダイアログシステムは、サポートするデータベース/APIの範囲外にあるユーザクエリを処理できる。 タスク指向対話システムのパイプラインを構成するKDEAK, KnowleDgEFactor, Ens-GPTの3つのサブシステムを提案する。 実験の結果,提案パイプラインシステムはベースラインを上回り,高品質な応答を生成することがわかった。
  論文  参考訳（メタデータ） (2021-01-15T11:24:32Z)
• Sequential Latent Knowledge Selection for Knowledge-Grounded Dialogue [51.513276162736844]
  この問題に対する最初のアプローチとして,逐次潜在変数モデルを提案する。 シーケンシャル・ナレッジ・トランスフォーマー (SKT) という名前のモデルは、知識よりも先行と後続の分布を追跡することができる。
  論文  参考訳（メタデータ） (2020-02-18T11:59:59Z)

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。