Fugu-MT 論文翻訳(概要): Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots

論文の概要: Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots

arxiv url: http://arxiv.org/abs/2103.09534v1
Date: Wed, 17 Mar 2021 09:42:11 GMT
ステータス: 処理完了
システム内更新日: 2021-03-18 13:00:34.715322
Title: Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots
Title（参考訳）: 対話の歴史! 多ターン検索型チャットボットにおけるパーソナライズされた応答選択
Authors: Juntao Li, Chang Liu, Chongyang Tao, Zhangming Chan, Dongyan Zhao, Min Zhang, Rui Yan
Abstract要約: 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。
参考スコア（独自算出の注目度）: 62.295373408415365
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Existing multi-turn context-response matching methods mainly concentrate on obtaining multi-level and multi-dimension representations and better interactions between context utterances and response. However, in real-place conversation scenarios, whether a response candidate is suitable not only counts on the given dialogue context but also other backgrounds, e.g., wording habits, user-specific dialogue history content. To fill the gap between these up-to-date methods and the real-world applications, we incorporate user-specific dialogue history into the response selection and propose a personalized hybrid matching network (PHMN). Our contributions are two-fold: 1) our model extracts personalized wording behaviors from user-specific dialogue history as extra matching information; 2) we perform hybrid representation learning on context-response utterances and explicitly incorporate a customized attention mechanism to extract vital information from context-response interactions so as to improve the accuracy of matching. We evaluate our model on two large datasets with user identification, i.e., personalized Ubuntu dialogue Corpus (P-Ubuntu) and personalized Weibo dataset (P-Weibo). Experimental results confirm that our method significantly outperforms several strong models by combining personalized attention, wording behaviors, and hybrid representation learning.
Abstract（参考訳）: 既存のマルチターンコンテキスト応答マッチング手法は主に、マルチレベルおよびマルチディメンジョン表現の取得と、文脈発話と応答の相互作用の改善に重点を置いている。しかし、実際の会話シナリオでは、応答候補が適切なかどうかは、与えられた対話コンテキストだけでなく、単語の習慣、ユーザ固有の対話履歴コンテンツなど、他の背景も考慮する。これらの最新手法と実世界のアプリケーションとのギャップを埋めるために,ユーザ固有の対話履歴を応答選択に取り入れ,パーソナライズされたハイブリッドマッチングネットワーク(phmn)を提案する。提案手法は,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余分なマッチング情報として抽出する。2)文脈応答発話に基づくハイブリッド表現学習を行い,文脈応答対話からバイタル情報を抽出するために,カスタマイズされた注意機構を明示的に取り入れ,マッチングの精度を向上させる。ユーザ識別を伴う2つの大きなデータセット、すなわち、パーソナライズされたUbuntuダイアログコーパス(P-Ubuntu)とパーソナライズされたWeiboデータセット(P-Weibo)でモデルを評価する。実験の結果, パーソナライズされた注意, ワーキング行動, ハイブリッド表現学習を組み合わせることにより, 本手法がいくつかの強モデルを大きく上回ることがわかった。

関連論文リスト

UniMS-RAG: A Unified Multi-source Retrieval-Augmented Generation for Personalized Dialogue Systems [43.266153244137215]
大規模言語モデル(LLM)は多くの自然言語理解および生成タスクにおいて例外的な機能を示している。我々は、パーソナライズされた応答を3つのサブタスク(知識ソース選択、知識検索、応答生成)に分解する。統一多ソース検索拡張生成システム(UniMS-RAG)を提案する。
論文参考訳（メタデータ） (2024-01-24T06:50:20Z)
Harmonizing Code-mixed Conversations: Personality-assisted Code-mixed Response Generation in Dialogues [28.49660948650183]
本稿では,対話から得られた5つの人格特性を教師なしの方法で活用し,応答生成の性能を高めることを目的とした,新しいアプローチを提案する。これは、識別されたパーソナリティが対話コンテキストにシームレスに統合された場合の応答生成タスクにおけるROUGEとBLUEスコアの上昇に顕著である。
論文参考訳（メタデータ） (2024-01-18T15:21:16Z)
EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
多人数対話では、応答発話の宛先を生成前に指定する必要がある。本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
論文参考訳（メタデータ） (2023-05-21T09:22:41Z)
Mitigating Negative Style Transfer in Hybrid Dialogue System [42.65754135759929]
ユーザ固有の目標を達成し,ユーザとのオープン・トピック・チャットに参加するハイブリッド対話システムに注目が集まっている。既存の研究は、マルチタスク融合技術を利用して両方のタスクを同時に学習するが、ユニークなテキストスタイルの違いによって引き起こされる負の伝達現象を無視する。多様なデータセットに対する教師付き自己監督型正負のサンプル構成を考案する。
論文参考訳（メタデータ） (2022-12-14T12:13:34Z)
Less is More: Learning to Refine Dialogue History for Personalized Dialogue Generation [57.73547958927826]
我々は,対話履歴をより多く処理し,より正確なペルソナ情報を得ることのできる,ユーザ対話履歴を大規模に洗練することを提案する。具体的には、3つの個人情報精算器とパーソナライズされた応答生成器で構成されるMSPモデルを設計する。
論文参考訳（メタデータ） (2022-04-18T02:02:56Z)
Who says like a style of Vitamin: Towards Syntax-Aware DialogueSummarization using Multi-task Learning [2.251583286448503]
個々の話者からの発声と独特の統語構造との関係に焦点をあてる。話者は、音声プリントのような言語情報を含むことができる独自のテキストスタイルを持つ。構文認識情報と対話要約の両方をマルチタスクで学習する。
論文参考訳（メタデータ） (2021-09-29T05:30:39Z)
Commonsense-Focused Dialogues for Response Generation: An Empirical Study [39.49727190159279]
対話応答生成におけるコモンセンスの実証的研究について述べる。まず、ConceptNetを利用して既存の対話データセットから共通感覚対話を自動的に抽出する。次に、対話的な環境での社会的常識を示すことを目的とした、25K対話を備えた対話データセットを新たに収集する。
論文参考訳（メタデータ） (2021-09-14T04:32:09Z)
Reasoning in Dialog: Improving Response Generation by Context Reading Comprehension [49.92173751203827]
マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
論文参考訳（メタデータ） (2020-12-14T10:58:01Z)
Learning an Effective Context-Response Matching Model with Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文参考訳（メタデータ） (2020-09-14T08:44:46Z)
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。