論文の概要: HyKnow: End-to-End Task-Oriented Dialog Modeling with Hybrid Knowledge Management

• arxiv url: http://arxiv.org/abs/2105.06041v1
• Date: Thu, 13 May 2021 01:58:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-14 14:00:49.643255
• Title: HyKnow: End-to-End Task-Oriented Dialog Modeling with Hybrid Knowledge Management
• Title（参考訳）: HyKnow: ハイブリッド知識管理によるタスク指向対話モデリング
• Authors: Silin Gao, Ryuichi Takanobu, Wei Peng, Qun Liu, Minlie Huang
• Abstract要約: ハイブリッドナレッジ管理のTODシステム「HyKnow」を提案します。 構造的知識と非構造的知識の両方を管理するための信念状態を拡張する。 この2つの知識に基づくモデリングを共同で最適化した最初のエンドツーエンドモデルである。
• 参考スコア（独自算出の注目度）: 58.82499963373537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task-oriented dialog (TOD) systems typically manage structured knowledge (e.g. ontologies and databases) to guide the goal-oriented conversations. However, they fall short of handling dialog turns grounded on unstructured knowledge (e.g. reviews and documents). In this paper, we formulate a task of modeling TOD grounded on both structured and unstructured knowledge. To address this task, we propose a TOD system with hybrid knowledge management, HyKnow. It extends the belief state to manage both structured and unstructured knowledge, and is the first end-to-end model that jointly optimizes dialog modeling grounded on these two kinds of knowledge. We conduct experiments on the modified version of MultiWOZ 2.1 dataset, where dialogs are grounded on hybrid knowledge. Experimental results show that HyKnow has strong end-to-end performance compared to existing TOD systems. It also outperforms the pipeline knowledge management schemes, with higher unstructured knowledge retrieval accuracy.
• Abstract（参考訳）: タスク指向対話(TOD)システムは通常、構造化知識(例)を管理する。 目標指向の会話をガイドするオントロジーとデータベース)。 しかし、それらは非構造化知識(例えば、)に基づくダイアログの処理に不足している。 レビューと文書)。 本稿では,構造化知識と非構造化知識の両方に基づくTODモデリングの課題を定式化する。 この課題に対処するため,ハイブリッドな知識管理を行うTODシステムHyKnowを提案する。 これは、構造化知識と非構造化知識の両方を管理するための信念状態を拡張し、これらの2種類の知識に基づいてダイアログモデリングを協調的に最適化する最初のエンドツーエンドモデルである。 我々はMultiWOZ 2.1データセットの修正版について実験を行い、ダイアログはハイブリッド知識に基づく。 実験の結果,HyKnowは既存のTODシステムと比較して,エンドツーエンドの性能が強いことがわかった。 また、パイプライン知識管理スキームよりも優れ、非構造化知識の精度が高い。

関連論文リスト

• Knowledge-Retrieval Task-Oriented Dialog Systems with Semi-Supervision [22.249113574918034]
  既存のタスク指向ダイアログ(TOD)システムは、スロットと値の観点からダイアログの状態を追跡し、データベースに問い合わせて応答を生成する。 現実のアプリケーションでは,ユーザの発話がノイズが多いため,対話状態を正確に追跡し,関連する知識を正しく確保することは困難である。 そこで本研究では,TODシステムにおける知識選択を高速化する検索手法を提案する。
  論文  参考訳（メタデータ） (2023-05-22T16:29:20Z)
• KPT: Keyword-guided Pre-training for Grounded Dialog Generation [82.68787152707455]
  KPT(Guided Pre-Training)は,グラウンドドダイアログ生成のための自己教師付き事前学習手法である。 具体的には、事前訓練された言語モデルを用いて、ダイアログ内の最も不確実なトークンをキーワードとして抽出する。 我々は,対話行為,知識グラフ,ペルソナ記述,ウィキペディアの文節など,数発の知識ベース生成タスクについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-12-04T04:05:01Z)
• OPERA: Harmonizing Task-Oriented Dialogs and Information Seeking Experience [87.0233567695073]
  会話型AIにおける既存の研究は、主にタスク指向対話(TOD)と質問応答(QA)を別々のタスクとして扱う。 そこで我々は,TODとQAタスクを組み合わせた新たなタスクであるOpen-Book TOD (OB-TOD)を提案する。 我々は,そのタスクに対処するために,明示的で暗黙的な外部知識を適切にアクセス可能な統一モデルOPERAを提案する。
  論文  参考訳（メタデータ） (2022-06-24T18:21:26Z)
• Open-domain Dialogue Generation Grounded with Dynamic Multi-form Knowledge Fusion [9.45662259790057]
  本稿では,新しい対話生成モデルである動的マルチフォーム知識融合に基づくオープンドメインチャットマシン(DMKCM)を提案する。 DMKCMは、関連文書を第1ホップとして見つけるためにインデックス付きテキスト(仮想知識ベース)を適用し、その後、コモンセンス知識グラフを使用して対話の内容と第1ホップを拡張して、アポサイトトリプルを第2ホップとして取得する。 実験結果から,対話のコヒーレンスと情報提供性の観点から,本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2022-04-24T10:32:48Z)
• TegTok: Augmenting Text Generation via Task-specific and Open-world Knowledge [83.55215993730326]
  本稿では,タスク固有およびオープンワールド知識(TegTok)によるTExt生成の統一化を提案する。 本モデルでは,2種類の知識ソースからの知識エントリを高密度検索により選択し,それぞれ入力エンコーディングと出力デコーディングの段階に注入する。
  論文  参考訳（メタデータ） (2022-03-16T10:37:59Z)
• Knowledge-Grounded Dialogue Generation with a Unified Knowledge Representation [78.85622982191522]
  既存のシステムは、トレーニングデータでカバーされる限られたトピックのために、目に見えないトピックでうまく機能しない。 本稿では,異なる知識源を均質化した言語モデルであるPLUGについて述べる。 完全に教師された設定の下で最先端のメソッドと同等のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2021-12-15T07:11:02Z)
• End-to-End Task-Oriented Dialog Modeling with Semi-Structured Knowledge Management [40.99595530656065]
  現在のタスク指向対話(TOD)システムは主に構造化知識を管理する。 それらは、構造化されていない知識も含むダイアログを扱うのに足りません。 本研究では,半構造化知識管理システムSeKnowを提案し,構造化コンテンツと非構造化コンテンツの両方で知識を管理するための信念状態を拡張する。
  論文  参考訳（メタデータ） (2021-06-22T14:07:22Z)
• Unstructured Knowledge Access in Task-oriented Dialog Modeling using Language Inference, Knowledge Retrieval and Knowledge-Integrative Response Generation [44.184890645068485]
  外部知識に富んだダイアログシステムは、サポートするデータベース/APIの範囲外にあるユーザクエリを処理できる。 タスク指向対話システムのパイプラインを構成するKDEAK, KnowleDgEFactor, Ens-GPTの3つのサブシステムを提案する。 実験の結果,提案パイプラインシステムはベースラインを上回り,高品質な応答を生成することがわかった。
  論文  参考訳（メタデータ） (2021-01-15T11:24:32Z)
• Learning to Retrieve Entity-Aware Knowledge and Generate Responses with Copy Mechanism for Task-Oriented Dialogue Systems [43.57597820119909]
  第9回対話システム技術チャレンジ(DSTC 9)のトラック1として非構造化知識アクセスを用いたタスク指向対話型モデリング この課題は,(1)知識探索ターン検出,(2)知識選択,(3)知識接地応答生成の3つのサブタスクに分けることができる。 我々は、異なるサブタスクのベースエンコーダとして、事前訓練された言語モデルELECTRAとRoBERTaを使用します。
  論文  参考訳（メタデータ） (2020-12-22T11:36:37Z)

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。