論文の概要: Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure

• arxiv url: http://arxiv.org/abs/2104.08601v1
• Date: Sat, 17 Apr 2021 17:46:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-23 08:13:21.490057
• Title: Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure
• Title（参考訳）: 誰が誰に反応したか:会話構造における潜在話題と談話の合同効果
• Authors: Lu Ji, Jing Li, Zhongyu Wei, Qi Zhang, Xuanjing Huang
• Abstract要約: 会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。 単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。 英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
• 参考スコア（独自算出の注目度）: 53.77234444565652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Numerous online conversations are produced on a daily basis, resulting in a pressing need to conversation understanding. As a basis to structure a discussion, we identify the responding relations in the conversation discourse, which link response utterances to their initiations. To figure out who responded to whom, here we explore how the consistency of topic contents and dependency of discourse roles indicate such interactions, whereas most prior work ignore the effects of latent factors underlying word occurrences. We propose a model to learn latent topics and discourse in word distributions, and predict pairwise initiation-response links via exploiting topic consistency and discourse dependency. Experimental results on both English and Chinese conversations show that our model significantly outperforms the previous state of the arts, such as 79 vs. 73 MRR on Chinese customer service dialogues. We further probe into our outputs and shed light on how topics and discourse indicate conversational user interactions.
• Abstract（参考訳）: 多くのオンライン会話が日常的に作成され、会話を理解する必要性が強くなる。 議論を構成する基盤として,会話の会話における応答関係を同定し,会話の開始に応答発話を関連付ける。 トピックの内容の整合性や談話の役割の依存性が如何にこのような相互作用を示すかを明らかにするとともに,先行研究では単語の発生に根ざした潜在要因の影響を無視している。 本研究では,単語分布における潜在話題と談話の学習モデルを提案し,話題一貫性と談話依存性を活用し,対関係開始-応答リンクの予測を行う。 英語と中国語の会話における実験結果から,我々のモデルは,中国のカスタマーサービス対話における79対73MRRなど,過去の芸術の状況を大きく上回っていることがわかった。 我々はさらにアウトプットを調査し、話題や談話が会話によるユーザーインタラクションをどう示すかを明らかにした。

関連論文リスト

• Joint Learning of Context and Feedback Embeddings in Spoken Dialogue [3.8673630752805446]
  コントラスト学習目標を用いて,同じ表現空間に短い対話コンテキストとフィードバック応答を埋め込む可能性を検討する。 実験結果から,本モデルは人間に同じランキングタスクを施し,学習された埋め込みはフィードバック応答の会話機能に関する情報を伝達することがわかった。
  論文  参考訳（メタデータ） (2024-06-11T14:22:37Z)
• Modeling the Quality of Dialogical Explanations [21.429245729478918]
  本研究では,説明者と説明者の相互作用の観点から,説明対話について検討する。 対話の流れを分析し、専門家の対話に現れるものと比較する。 長い入力を処理できる2つの言語モデルを用いてインタラクションフローを符号化する。
  論文  参考訳（メタデータ） (2024-03-01T16:49:55Z)
• Topic Shift Detection in Chinese Dialogues: Corpus and Benchmark [10.378163772785204]
  そこで本稿では,階層的コントラスト学習に基づく教師学習フレームワークを提案し,応答を伴わないトピックシフトを予測する。 CNTD と 英語 TIAGE を用いた実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-05-02T04:03:50Z)
• Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
  本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。 私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。 実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-01-10T13:18:25Z)
• Question-Interlocutor Scope Realized Graph Modeling over Key Utterances for Dialogue Reading Comprehension [61.55950233402972]
  本稿では,対話読解のためのキーワード抽出手法を提案する。 複数の連続した発話によって形成された単位に対して予測を行い、より多くの回答を含む発話を実現する。 発話のテキスト上に構築されたグラフとして,質問-対話者スコープ実現グラフ(QuISG)モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-26T04:00:42Z)
• "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)
• Continuity of Topic, Interaction, and Query: Learning to Quote in Online Conversations [23.214585012203084]
  本研究は,オンライン会話における引用の自動生成について研究する。 引用でコンテキストを継続するために、エンコーダ-デコーダニューラルフレームワークが使用される。 英語と中国語の2つの大規模データセットの実験結果。
  論文  参考訳（メタデータ） (2021-06-18T03:38:48Z)
• Multi-turn Dialogue Reading Comprehension with Pivot Turns and Knowledge [43.352833140317486]
  マルチターン対話読解は、機械に対話コンテキストを読み、応答選択や回答質問といったタスクを解くことを目的としている。 この研究は、ピボット発話として重要なターンを抽出することで、上記の2つの課題に対処する最初の試みである。 本稿では,対話理解のためのトランスフォーマーに基づく言語モデル上に,ピボット指向の深層選択モデル(PoDS)を提案する。
  論文  参考訳（メタデータ） (2021-02-10T15:00:12Z)
• Response Selection for Multi-Party Conversations with Dynamic Topic Tracking [63.15158355071206]
  我々は、応答と関連する会話コンテキストの間のトピックを一致させるために、動的トピック追跡タスクとして応答選択をフレーム化する。 本研究では,大規模な事前学習モデルによる効率的な符号化を支援する新しいマルチタスク学習フレームワークを提案する。 DSTC-8 Ubuntu IRCデータセットの実験結果は、応答選択とトピックのアンタングル化タスクにおける最先端の結果を示している。
  論文  参考訳（メタデータ） (2020-10-15T14:21:38Z)
• 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。