論文の概要: CREAD: Combined Resolution of Ellipses and Anaphora in Dialogues
- arxiv url: http://arxiv.org/abs/2105.09914v1
- Date: Thu, 20 May 2021 17:17:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 13:36:52.797396
- Title: CREAD: Combined Resolution of Ellipses and Anaphora in Dialogues
- Title（参考訳）: CREAD:対話における楕円とアナフォラの複合分解能
- Authors: Bo-Hsiang Tseng, Shruti Bhargava, Jiarui Lu, Joel Ruben Antony Moniz,
Dhivya Piraviperumal, Lin Li, Hong Yu
- Abstract要約: アナフォラとエリプスは対話における2つの一般的な現象である。
伝統的に、アナフォラはコア参照解決とクエリ書き換えによる楕円によって解決される。
本稿では,コア参照解決とクエリ書き換えをモデリングする新しい共同学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 14.66729951223073
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Anaphora and ellipses are two common phenomena in dialogues. Without
resolving referring expressions and information omission, dialogue systems may
fail to generate consistent and coherent responses. Traditionally, anaphora is
resolved by coreference resolution and ellipses by query rewrite. In this work,
we propose a novel joint learning framework of modeling coreference resolution
and query rewriting for complex, multi-turn dialogue understanding. Given an
ongoing dialogue between a user and a dialogue assistant, for the user query,
our joint learning model first predicts coreference links between the query and
the dialogue context, and then generates a self-contained rewritten user query.
To evaluate our model, we annotate a dialogue based coreference resolution
dataset, MuDoCo, with rewritten queries. Results show that the performance of
query rewrite can be substantially boosted (+2.3% F1) with the aid of
coreference modeling. Furthermore, our joint model outperforms the
state-of-the-art coreference resolution model (+2% F1) on this dataset.
- Abstract（参考訳）: アナフォラと楕円は対話において2つの一般的な現象である。
参照表現や情報の欠落を解決しなければ、対話システムは一貫性と一貫性のある応答を生成することができない。
伝統的に、アナフォラはコア参照解決とクエリ書き換えによる楕円によって解決される。
本稿では,複雑な複数ターン対話理解のためのコリファレンス解決とクエリ書き換えをモデル化する,新しい共同学習フレームワークを提案する。
ユーザと対話アシスタントの対話が進行中であることを条件として,私たちの共同学習モデルはまず,クエリと対話コンテキストのコア参照リンクを予測し,自己完結したユーザクエリを生成する。
本モデルを評価するために,対話ベースのコア参照解決データセットである MuDoCo を書き換えたクエリでアノテートする。
その結果、コア参照モデリングの助けを借りて、クエリ書き換えの性能を大幅に向上できる(+2.3% F1)。
さらに,本モデルでは,このデータセットにおける最先端のコリファレンス解像度モデル (+2% f1) を上回っている。
関連論文リスト
- Interactive Text-to-Image Retrieval with Large Language Models: A Plug-and-Play Approach [33.231639257323536]
本稿では,対話型テキスト・画像検索タスクにおける対話型コンテキストクエリの問題に対処する。
対話形式のコンテキストを再構成することにより、既存の視覚的対話データから検索モデルを微調整する必要がなくなる。
対象画像の属性に関する非冗長な質問を生成するために,LLM質問機を構築した。
論文 参考訳（メタデータ） (2024-06-05T16:09:01Z) - Instructive Dialogue Summarization with Query Aggregations [41.89962538701501]
本稿では,対話要約モデルの能力集合を拡張するために,命令精細言語モデルを提案する。
高品質なクエリベースの要約三重項を合成するための3段階のアプローチを提案する。
多目的インストラクティブトリプルを用いた3つの要約データセット上で、InstructDSと呼ばれる統一モデルをトレーニングすることにより、対話要約モデルの能力を拡大する。
論文 参考訳（メタデータ） (2023-10-17T04:03:00Z) - Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。
エージェントは対話とマニュアルの両方からタスクを学習する。
提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
論文 参考訳（メタデータ） (2022-08-16T08:21:12Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
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。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - 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) - Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。
コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。
DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
論文 参考訳（メタデータ） (2020-06-17T21:02:40Z) - Matching Questions and Answers in Dialogues from Online Forums [12.64602629459043]
会話における2つのターン間の質問・回答関係のマッチングは、対話構造を解析する最初のステップであるだけでなく、対話システムの訓練にも有用である。
本稿では、相互注意という2つの同時注意機構により、距離情報と対話履歴の両方を考慮したQAマッチングモデルを提案する。
論文 参考訳（メタデータ） (2020-05-19T08:18:52Z) - 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) - Modality-Balanced Models for Visual Dialogue [102.35406085738325]
Visual Dialogタスクは、対話に対する次の応答を生成するために、画像情報と会話コンテキスト情報の両方を利用するモデルを必要とする。
過去の共同モダリティ(歴史とイメージ)モデルが過度に再現され,対話履歴を記憶する傾向が強いことを示す。
本稿では,共有パラメータを用いたアンサンブルとコンセンサス・ドロップアウト融合による2つのモデルの統合手法を提案する。
論文 参考訳（メタデータ） (2020-01-17T14:57:12Z)
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。