論文の概要: Integrating Pre-trained Model into Rule-based Dialogue Management

• arxiv url: http://arxiv.org/abs/2102.08553v1
• Date: Wed, 17 Feb 2021 03:44:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-18 14:50:01.836472
• Title: Integrating Pre-trained Model into Rule-based Dialogue Management
• Title（参考訳）: ルールベース対話管理への事前学習モデルの統合
• Authors: Jun Quan, Meng Yang, Qiang Gan, Deyi Xiong, Yiming Liu, Yuchen Dong, Fangxin Ouyang, Jun Tian, Ruiling Deng, Yongzhi Li, Yang Yang and Daxin Jiang
• Abstract要約: ルールベースの対話管理は、まだ産業用タスク指向対話システムのための最も人気のあるソリューションです。 データ駆動対話システム(通常はエンドツーエンド構造)は学術研究で人気がある。 本稿ではルールベースとデータ駆動型ダイアログマネージャの長所を活用する手法を提案する。
• 参考スコア（独自算出の注目度）: 32.90885176553305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rule-based dialogue management is still the most popular solution for industrial task-oriented dialogue systems for their interpretablility. However, it is hard for developers to maintain the dialogue logic when the scenarios get more and more complex. On the other hand, data-driven dialogue systems, usually with end-to-end structures, are popular in academic research and easier to deal with complex conversations, but such methods require plenty of training data and the behaviors are less interpretable. In this paper, we propose a method to leverages the strength of both rule-based and data-driven dialogue managers (DM). We firstly introduce the DM of Carina Dialog System (CDS, an advanced industrial dialogue system built by Microsoft). Then we propose the "model-trigger" design to make the DM trainable thus scalable to scenario changes. Furthermore, we integrate pre-trained models and empower the DM with few-shot capability. The experimental results demonstrate the effectiveness and strong few-shot capability of our method.
• Abstract（参考訳）: ルールベースの対話管理は、その解釈のための産業タスク指向対話システムのための最も人気のあるソリューションです。 しかし、シナリオがますます複雑になると、開発者は対話ロジックを維持するのが難しくなります。 一方で、データ駆動対話システム(通常はエンドツーエンド構造を持つ)は学術研究で人気があり、複雑な会話を扱うのが容易であるが、そのような方法には十分なトレーニングデータが必要であり、その動作は解釈できない。 本稿では,ルールベースとデータ駆動型対話マネージャ(dm)の両方の強みを活用する手法を提案する。 最初にCarina Dialog System(CDS、Microsoftが構築した高度な産業用対話システム)のDMを紹介します。 次に,dm をシナリオ変更に対してスケーラブルにトレーニング可能にする "モデルトリガー" 設計を提案する。 さらに,事前学習したモデルを統合し,dmに限定的な能力を持たせる。 実験結果から,本手法の有効性と有効性を示した。

関連論文リスト

• Unsupervised Extraction of Dialogue Policies from Conversations [3.102576158218633]
  本稿では,データセットから対話ポリシーを抽出する上で,Large Language Modelがいかに有効かを示す。 そこで我々は,制御可能かつ解釈可能なグラフベースの手法を用いて対話ポリシーを生成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-21T14:57:25Z)
• Pre-training Multi-party Dialogue Models with Latent Discourse Inference [85.9683181507206]
  我々は、多人数対話の会話構造、すなわち、各発話が応答する相手を理解するモデルを事前訓練する。 ラベル付きデータを完全に活用するために,談話構造を潜在変数として扱い,それらを共同で推論し,談話認識モデルを事前学習することを提案する。
  論文  参考訳（メタデータ） (2023-05-24T14:06:27Z)
• Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
  対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。 エージェントは対話とマニュアルの両方からタスクを学習する。 提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
  論文  参考訳（メタデータ） (2022-08-16T08:21:12Z)
• A Mixture-of-Expert Approach to RL-based Dialogue Management [56.08449336469477]
  我々は、強化学習を用いて、近視性(一般的な発話の出力)を回避し、全体的なユーザ満足度を最大化する対話エージェントを開発する。 既存のRLアプローチのほとんどは、単語レベルでエージェントを訓練するので、中規模の語彙であっても、非常に複雑なアクション空間を扱う必要がある。 i)会話履歴の多様な意味を学習できるLMと、(ii)対応する発話を生成できる専門的なLM(または専門家)からなる、新しい専門家言語モデル(MoE-LM)を用いたRLベースのDMを開発する。
  論文  参考訳（メタデータ） (2022-05-31T19:00:41Z)
• UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented Dialogues [59.499965460525694]
  上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。 我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。 我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
  論文  参考訳（メタデータ） (2021-10-15T11:56:47Z)
• Taming the Beast: Learning to Control Neural Conversational Models [10.407021682762075]
  本論文は,タスク指向およびチャットシナリオにおける深層学習に基づく,エンドツーエンドな生成対話システムの制御可能性について考察する。 生成的対話システムの制御のさまざまな側面について検討し,その制御方法とトピックスについて考察する。
  論文  参考訳（メタデータ） (2021-08-24T07:58:16Z)
• Transferable Dialogue Systems and User Simulators [17.106518400787156]
  対話システムのトレーニングの難しさの1つは、トレーニングデータの欠如である。 本稿では,対話システムとユーザシミュレータ間の対話を通して対話データを作成する可能性について検討する。 我々は,2つのエージェント間のセルフプレイを通じて,新たな対話シナリオを組み込むことのできるモデリングフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-07-25T22:59:09Z)
• A Survey on Dialog Management: Recent Advances and Challenges [72.52920723074638]
  ダイアログ管理(DM)はタスク指向ダイアログシステムにおいて重要なコンポーネントである。 1)新しいシナリオにおけるダイアログシステムモデリングを容易にするためのモデルスケーラビリティの改善,(2)ダイアログポリシー学習におけるデータ不足問題への対処,(3)タスク補完性能を向上させるためのトレーニング効率の向上。
  論文  参考訳（メタデータ） (2020-05-05T14:31:24Z)
• Conversation Learner -- A Machine Teaching Tool for Building Dialog Managers for Task-Oriented Dialog Systems [57.082447660944965]
  Conversation Learnerは、ダイアログマネージャを構築するための機械学習ツールである。 ダイアログ作成者が慣れ親しんだツールを使ってダイアログフローを作成し、ダイアログフローをパラメトリックモデルに変換することができる。 ユーザシステムダイアログをトレーニングデータとして活用することで、ダイアログ作成者が時間とともにダイアログマネージャを改善することができる。
  論文  参考訳（メタデータ） (2020-04-09T00:10:54Z)

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。