論文の概要: Conversational Semantic Role Labeling

• arxiv url: http://arxiv.org/abs/2104.04947v1
• Date: Sun, 11 Apr 2021 07:45:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 12:33:38.288152
• Title: Conversational Semantic Role Labeling
• Title（参考訳）: 会話的意味的役割ラベリング
• Authors: Kun Xu, Han Wu, Linfeng Song, Haisong Zhang, Linqi Song, Dong Yu
• Abstract要約: 本稿では,対話参加者,対話履歴中のフレーズ,あるいは現在の文を議論できる対話型srlタスクを提案する。 既存のSRLデータセットは文レベルにあるため、3,000のChit-chatダイアログのセマンティックロールを手動でアノテートします。 対話応答生成と対話コンテキスト書き換えという2つの主要な会話課題にCSRLを適用した最初の研究は、CSRLの有用性を裏付けるものである。
• 参考スコア（独自算出の注目度）: 55.73065201984987
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic role labeling (SRL) aims to extract the arguments for each predicate in an input sentence. Traditional SRL can fail to analyze dialogues because it only works on every single sentence, while ellipsis and anaphora frequently occur in dialogues. To address this problem, we propose the conversational SRL task, where an argument can be the dialogue participants, a phrase in the dialogue history or the current sentence. As the existing SRL datasets are in the sentence level, we manually annotate semantic roles for 3,000 chit-chat dialogues (27,198 sentences) to boost the research in this direction. Experiments show that while traditional SRL systems (even with the help of coreference resolution or rewriting) perform poorly for analyzing dialogues, modeling dialogue histories and participants greatly helps the performance, indicating that adapting SRL to conversations is very promising for universal dialogue understanding. Our initial study by applying CSRL to two mainstream conversational tasks, dialogue response generation and dialogue context rewriting, also confirms the usefulness of CSRL.
• Abstract（参考訳）: 意味的役割ラベル付け(SRL)は、入力文中の各述語に対する引数を抽出することを目的としている。 従来のsrlは全ての文でのみ動作するため、対話の分析に失敗し、一方、エリプシスとアナフォラは対話で頻繁に発生する。 この問題に対処するために、対話的SRLタスクを提案し、議論は対話参加者、対話履歴のフレーズ、あるいは現在の文となることができる。 既存のSRLデータセットは文レベルにあるので、3000のチャット対話(27,198文)のセマンティックロールを手動でアノテートして、この方向の研究を促進する。 実験によれば、従来のsrlシステム(参照解像度や書き直しの助けを借りて)は対話の分析に乏しいが、対話履歴のモデル化や参加者は、対話へのsrlの適用が普遍的な対話理解に非常に有望であることを示している。 CSRLを2つの主要な会話課題、対話応答生成と対話コンテキスト書き換えに適用することにより、CSRLの有用性を確認する。

関連論文リスト

• 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)
• CHAI: A CHatbot AI for Task-Oriented Dialogue with Offline Reinforcement Learning [85.3987745097806]
  オフライン強化学習は、人間の話者から収集された静的データセットを使用して、対話エージェントをトレーニングするために使用することができる。 実験により,最近開発されたオフラインRL手法と言語モデルを組み合わせることで,現実的な対話エージェントが得られることが示された。
  論文  参考訳（メタデータ） (2022-04-18T17:43:21Z)
• Dialogue Summaries as Dialogue States (DS2), Template-Guided Summarization for Few-shot Dialogue State Tracking [16.07100713414678]
  DST(Few-shot dialogue state tracking)は、この問題に対する現実的な解決策である。 本稿では,対話状態追跡を対話要約問題として再検討する。
  論文  参考訳（メタデータ） (2022-03-03T07:54:09Z)
• "How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken Conversations [87.95711406978157]
  本研究は、音声タスク指向会話における新しいベンチマークを示す。 マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。 我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
  論文  参考訳（メタデータ） (2021-09-28T04:51:04Z)
• 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)
• Graph Based Network with Contextualized Representations of Turns in Dialogue [0.0]
  対話に基づく関係抽出(RE)は、対話に現れる2つの引数間の関係を抽出することを目的としている。 本稿では,対話の理解方法に着目したTUCORE-GCN(TUrn Context aware Graph Convolutional Network)を提案する。
  論文  参考訳（メタデータ） (2021-09-09T03:09:08Z)
• 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。