Fugu-MT 論文翻訳(概要): DialSumm: A Real-Life Scenario Dialogue Summarization Dataset

論文の概要: DialSumm: A Real-Life Scenario Dialogue Summarization Dataset

arxiv url: http://arxiv.org/abs/2105.06762v1
Date: Fri, 14 May 2021 11:12:40 GMT
ステータス: 処理完了
システム内更新日: 2021-05-17 17:59:56.569553
Title: DialSumm: A Real-Life Scenario Dialogue Summarization Dataset
Title（参考訳）: DialSumm: 実生活シナリオの対話要約データセット
Authors: Yulong Chen, Yang Liu, Liang Chen and Yue Zhang
Abstract要約: 大規模ラベル付き対話要約データセットであるDialSummを提案する。最新のニューラルアセンブラを用いたDialSummの実証分析を行います。
参考スコア（独自算出の注目度）: 16.799104478351914
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Proposal of large-scale datasets has facilitated research on deep neural models for news summarization. Deep learning can also be potentially useful for spoken dialogue summarization, which can benefit a range of real-life scenarios including customer service management and medication tracking. To this end, we propose DialSumm, a large-scale labeled dialogue summarization dataset. We conduct empirical analysis on DialSumm using state-of-the-art neural summarizers. Experimental results show unique challenges in dialogue summarization, such as spoken terms, special discourse structures, coreferences and ellipsis, pragmatics and social commonsense, which require specific representation learning technologies to better deal with.
Abstract（参考訳）: 大規模データセットの提案により、ニュース要約のためのディープニューラルモデルの研究が容易になった。ディープラーニングは音声対話の要約にも有用であり、顧客のサービス管理や薬物の追跡など、さまざまな現実的なシナリオに役立てることができる。そこで本稿では,大規模ラベル付き対話要約データセットであるDialSummを提案する。我々は、最先端のニューラルネットワークを用いたDialSummの実証分析を行う。実験結果から,話し言葉,特別な談話構造,コアとエリプシス,プラグマティクス,社会的コモンセンスといった,特定の表現学習技術に対処するために必要な対話要約において,ユニークな課題が示された。

関連論文リスト

Neural-Bayesian Program Learning for Few-shot Dialogue Intent Parsing [14.90367428035125]
本稿では,対話・対話型プログラム(DI-)というニューラルベイズ学習モデルを提案する。 DI-はデータハングリー設定下でのインテント解析を専門とし、有望なパフォーマンス改善を提供する。実験により、DI-は最先端のディープラーニングモデルより優れており、産業用アプリケーションに実用的な利点があることが示された。
論文参考訳（メタデータ） (2024-10-08T16:54:00Z)
Increasing faithfulness in human-human dialog summarization with Spoken Language Understanding tasks [0.0]
本稿では,タスク関連情報を組み込むことによって,要約処理の促進を図ることを提案する。その結果,タスク関連情報とモデルを統合することで,単語の誤り率が異なる場合でも要約精度が向上することがわかった。
論文参考訳（メタデータ） (2024-09-16T08:15:35Z)
FREDSum: A Dialogue Summarization Corpus for French Political Debates [26.76383031532945]
本稿では,多言語対話要約のための資源強化を目的とした,フランスの政治論争のデータセットを提案する。われわれのデータセットは、手書きと注釈付き政治討論から成り、さまざまなトピックや視点をカバーしている。
論文参考訳（メタデータ） (2023-12-08T05:42:04Z)
AUGUST: an Automatic Generation Understudy for Synthesizing Conversational Recommendation Datasets [56.052803235932686]
本稿では,大規模かつ高品質なレコメンデーションダイアログを生成する新しい自動データセット合成手法を提案する。 i)従来のレコメンデーションデータセットからの豊富なパーソナライズされたユーザプロファイル、(ii)知識グラフからの豊富な外部知識、(iii)人間対人間会話レコメンデーションデータセットに含まれる会話能力。
論文参考訳（メタデータ） (2023-06-16T05:27:14Z)
DIONYSUS: A Pre-trained Model for Low-Resource Dialogue Summarization [127.714919036388]
DIONYSUSは、任意の新しいドメインでの対話を要約するための訓練済みエンコーダデコーダモデルである。実験の結果,DIONYSUSは6つのデータセット上で既存の手法よりも優れていた。
論文参考訳（メタデータ） (2022-12-20T06:21:21Z)
Taxonomy of Abstractive Dialogue Summarization: Scenarios, Approaches and Future Directions [14.85592662663867]
この調査は、シナリオから抽象的な対話を要約するための既存の研究を包括的に調査する。タスクは入力ダイアログの種類、すなわちオープンドメインとタスク指向の2つの幅広いカテゴリに分類される。既存のテクニックを3方向に分類し、対話機能を注入し、補助訓練タスクを設計し、追加データを使用する。
論文参考訳（メタデータ） (2022-10-18T14:33:03Z)
HybriDialogue: An Information-Seeking Dialogue Dataset Grounded on Tabular and Textual Data [87.67278915655712]
我々は、ウィキペディアのテキストとテーブルの両方を基盤とした、クラウドソーシングされた自然な会話からなる新しい対話データセットHybriDialogueを提示する。これらの会話は、複雑なマルチホップ質問をシンプルで現実的なマルチターン対話に分解することで生成される。
論文参考訳（メタデータ） (2022-04-28T00:52:16Z)
Back to the Future: Bidirectional Information Decoupling Network for Multi-turn Dialogue Modeling [80.51094098799736]
ユニバーサル対話エンコーダとして双方向情報デカップリングネットワーク(BiDeN)を提案する。 BiDeNは過去と将来の両方のコンテキストを明示的に取り入れており、幅広い対話関連のタスクに一般化することができる。異なる下流タスクのデータセットに対する実験結果は、我々のBiDeNの普遍性と有効性を示している。
論文参考訳（メタデータ） (2022-04-18T03:51:46Z)
"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)
Topic-Oriented Spoken Dialogue Summarization for Customer Service with Saliency-Aware Topic Modeling [61.67321200994117]
顧客サービスシステムでは、長い音声対話のための要約を作成することにより、対話要約はサービス効率を高めることができる。本研究では,高度に抽象的な要約を生成するトピック指向の対話要約に注目した。 SATM(Saliency-Awareural topic Model)と併用し,顧客サービス対話のトピック指向要約を目的とした,新しいトピック拡張型2段階対話要約器(TDS)を提案する。
論文参考訳（メタデータ） (2020-12-14T07:50:25Z)
Incorporating Commonsense Knowledge into Abstractive Dialogue Summarization via Heterogeneous Graph Networks [34.958271247099]
本稿では,対話理解と要約生成を容易にする大規模コモンセンス知識の実証を目的とした,新しい多話者対話要約器を提案する。我々は、発話と常識知識を2つの異なるタイプのデータとみなし、両方の情報をモデル化するための対話異種グラフネットワーク(D-HGN)を設計する。
論文参考訳（メタデータ） (2020-10-20T05:44:55Z)

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。