論文の概要: Natural Language Understanding for Argumentative Dialogue Systems in the
Opinion Building Domain
- arxiv url: http://arxiv.org/abs/2103.02691v1
- Date: Wed, 3 Mar 2021 21:17:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-07 22:49:25.414097
- Title: Natural Language Understanding for Argumentative Dialogue Systems in the
Opinion Building Domain
- Title（参考訳）: 意見形成領域における議論的対話システムの自然言語理解
- Authors: Waheed Ahmed Abro, Annalena Aicher, Niklas Rach, Stefan Ultes,
Wolfgang Minker, Guilin Qi
- Abstract要約: 本稿では,情報検索領域における議論的対話システムの枠組みを提案する。
提案手法は,複数のユーザの意図を識別し,ユーザが自然言語で参照するシステム引数を識別する。
- 参考スコア（独自算出の注目度）: 6.951113351928047
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a natural language understanding (NLU) framework for
argumentative dialogue systems in the information-seeking and opinion building
domain. Our approach distinguishes multiple user intents and identifies system
arguments the user refers to in his or her natural language utterances. Our
model is applicable in an argumentative dialogue system that allows the user to
inform him-/herself about and build his/her opinion towards a controversial
topic. In order to evaluate the proposed approach, we collect user utterances
for the interaction with the respective system and labeled with intent and
reference argument in an extensive online study. The data collection includes
multiple topics and two different user types (native speakers from the UK and
non-native speakers from China). The evaluation indicates a clear advantage of
the utilized techniques over baseline approaches, as well as a robustness of
the proposed approach against new topics and different language proficiency as
well as cultural background of the user.
- Abstract（参考訳）: 本稿では,情報探索・意見構築領域における議論的対話システムのための自然言語理解(NLU)フレームワークを提案する。
提案手法は,複数のユーザの意図を識別し,ユーザが自然言語で参照するシステム引数を識別する。
本モデルは,議論的な対話システムに適用可能であり,議論の的となる話題に対して意見を述べることができる。
提案手法を評価するために,各システムと対話するユーザの発話を収集し,広範囲にわたるオンライン調査において意図と参照の議論をラベル付けした。
データ収集には、複数のトピックと2つの異なるユーザータイプ(英国のネイティブスピーカーと中国の非ネイティブスピーカー)が含まれます。
本評価は,新たなトピックや言語習熟度,ユーザの文化的背景に対する提案手法の堅牢性に加えて,ベースラインアプローチよりも活用手法の明確な優位性を示すものである。
関連論文リスト
- A Unifying Framework for Learning Argumentation Semantics [50.69905074548764]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。
対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。
また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-18T11:03:55Z) - PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue
Model [79.64376762489164]
PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。
PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。
PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
論文 参考訳（メタデータ） (2023-04-02T18:23:13Z) - Customized Conversational Recommender Systems [45.84713970070487]
会話レコメンデータシステム(CRS)は、ユーザの現在の意図を捉え、リアルタイムなマルチターン対話によるレコメンデーションを提供することを目的としている。
本稿では,3つの視点からCRSモデルをカスタマイズした新しいCRSモデルであるCustomized Conversational Recommender System(CCRS)を提案する。
パーソナライズされたレコメンデーションを提供するために,対話コンテキストからユーザの現在あるきめ細かい意図を,ユーザ固有の嗜好のガイダンスで抽出する。
論文 参考訳（メタデータ） (2022-06-30T09:45:36Z) - Helpfulness and Fairness of Task-Oriented Dialogue Systems [35.135740285082356]
本研究では,目標指向対話システムの有用性の計算量について検討する。
本稿では,対話システムの妥当性を測定するために,対話システムの利便性レベルを異なるユーザクエリに適用することを提案する。
論文 参考訳（メタデータ） (2022-05-25T07:58:38Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳（メタデータ） (2022-03-20T17:51:49Z) - Every time I fire a conversational designer, the performance of the
dialog system goes down [0.07696728525672149]
本稿では,会話設計者のドメイン知識の明示的利用が,ニューラルベース対話システムの性能に与える影響について検討する。
半論理規則で明示的な知識を符号化した対話型論理帰納型ニューラルネットシステム(CLINN)を提案する。
論文 参考訳（メタデータ） (2021-09-27T13:05:31Z) - Evaluating Groundedness in Dialogue Systems: The BEGIN Benchmark [29.722504033424382]
知識ベースの対話エージェントは、Wikipediaページなどの外部に提供される背景情報に基づいて会話を行うように設計されたシステムです。
BEGIN(Benchmark for Evaluation of Grounded Interaction)について紹介します。
beginは、言語モデルに基づく対話システムによって生成された8113の対話ターンからなり、システムの応答と背景情報の関係を人間の注釈で指定する。
論文 参考訳（メタデータ） (2021-04-30T20:17:52Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳（メタデータ） (2020-05-27T02:05:33Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳（メタデータ） (2020-04-17T03:51:57Z)
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。