論文の概要: Novel Slot Detection: A Benchmark for Discovering Unknown Slot Types in the Task-Oriented Dialogue System

• arxiv url: http://arxiv.org/abs/2105.14313v1
• Date: Sat, 29 May 2021 14:46:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-05 16:18:08.609925
• Title: Novel Slot Detection: A Benchmark for Discovering Unknown Slot Types in the Task-Oriented Dialogue System
• Title（参考訳）: タスク指向対話システムにおける未知スロットタイプ検出のための新しいスロット検出ベンチマーク
• Authors: Yanan Wu, Zhiyuan Zeng, Keqing He, Hong Xu, Yuanmeng Yan, Huixing Jiang and Weiran Xu
• Abstract要約: タスク指向対話システムにおいて,新しいタスクであるノベルスロット検出(NSD)を導入する。 NSDは、ドメイン内のトレーニングデータに基づいて対話システムの能力を強化するために、未知または外部のスロットタイプを発見することを目的としている。 我々は2つのパブリックなNSDデータセットを構築し、いくつかの強力なNSDベースラインを提案し、将来の作業のためのベンチマークを確立する。
• 参考スコア（独自算出の注目度）: 17.45841883192018
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing slot filling models can only recognize pre-defined in-domain slot types from a limited slot set. In the practical application, a reliable dialogue system should know what it does not know. In this paper, we introduce a new task, Novel Slot Detection (NSD), in the task-oriented dialogue system. NSD aims to discover unknown or out-of-domain slot types to strengthen the capability of a dialogue system based on in-domain training data. Besides, we construct two public NSD datasets, propose several strong NSD baselines, and establish a benchmark for future work. Finally, we conduct exhaustive experiments and qualitative analysis to comprehend key challenges and provide new guidance for future directions.
• Abstract（参考訳）: 既存のスロット充填モデルは、制限されたスロットセットから予め定義されたスロットタイプのみを認識できる。 実用的なアプリケーションでは、信頼できる対話システムは、それが知らないことを知っておくべきである。 本稿では,タスク指向対話システムにおいて,新しいタスクである新しいスロット検出(nsd)を提案する。 NSDは、ドメイン内のトレーニングデータに基づいて対話システムの能力を強化するために、未知または外部のスロットタイプを発見することを目的としている。 さらに、2つのパブリックなNSDデータセットを構築し、いくつかの強力なNSDベースラインを提案し、将来の作業のためのベンチマークを確立する。 最後に, 課題を理解するために, 徹底的な実験と質的分析を行い, 今後の方向性について新たな指導を行う。

関連論文リスト

• Transforming Slot Schema Induction with Generative Dialogue State Inference [14.06505399101404]
  スロットインジェクション(SSI)は、ラベルのない対話データからスロットを自動的に誘導することを目的としている。 本手法は,対話状態を表すための高品質な候補情報を検出する。 MultiWOZデータセットとSGDデータセットの実験的比較により、生成対話状態推論(Generative Dialogue State Inference, GenDSI)が従来の最先端よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-03T02:41:10Z)
• Using Domain Knowledge to Guide Dialog Structure Induction via Neural Probabilistic Soft Logic [21.3531538363406]
  ダイアログ構造誘導(DSI)は、与えられたゴール指向ダイアログの潜在ダイアログ構造を推定するタスクである。 既存のDSIアプローチは、ドメイン知識にアクセスせずに遅延状態を推論する純粋なデータ駆動のデプロイモデルであることが多い。 本稿では,ニューラル確率的ソフト論理対話構造誘導法(NEUPSL DSI)を提案する。
  論文  参考訳（メタデータ） (2024-03-26T16:42:30Z)
• Slot Induction via Pre-trained Language Model Probing and Multi-level Contrastive Learning [62.839109775887025]
  トークンレベルのスロットアノテーションの明示的な知識なしでスロット境界を誘導することを目的としたスロットインジェクション(SI)タスク。 PLMから抽出した教師なし意味知識を活用するために、教師なし事前学習言語モデル(PLM)探索とコントラスト学習機構を活用することを提案する。 提案手法は,2つのNLUベンチマークデータセット上でトークンレベルの教師付きモデルとのギャップを埋めることができ,SIタスクに有効であることが示されている。
  論文  参考訳（メタデータ） (2023-08-09T05:08:57Z)
• Knowledge-Aware Audio-Grounded Generative Slot Filling for Limited Annotated Data [61.89520860387473]
  本稿では,タスク指向対話(ToD)システムにおいて,KA2G(Knowledge-Aware Audio-Grounded Generative slot-filling framework)を提案する。 KA2Gは,1)テキスト生成タスクとしてフレーミングすること,2)音声モダリティを付加したテキスト生成を行うこと,3)利用可能な外部知識を条件付けること,である。 標準音声ベースのシングルターンSLURPデータセットと商用ToDシステムから抽出したマルチターンデータセットを用いて実験を行い、強みと一貫した利得を示す。
  論文  参考訳（メタデータ） (2023-07-04T15:05:42Z)
• Enhancing Task Bot Engagement with Synthesized Open-Domain Dialog [89.35658776144638]
  TODとODDの両方を扱えるシステムを構築し、異なる知識ソースにアクセスすることが不可欠である。 本稿では,知識基盤のODDとTODを組み合わせた対話を自動的に生成するフレームワークを提案する。 本研究では,TODモードとODDモードを適切に適用し,異なる知識ソースにアクセス可能な統合モデルPivotBotを提案する。
  論文  参考訳（メタデータ） (2022-12-20T05:51:47Z)
• Multimodal Dialogue State Tracking [97.25466640240619]
  Video-Dialogue Transformer Network (VDTN)は、ビデオと対話の間のコンテキスト依存を学習し、マルチモーダル対話状態を生成する。 VDTNは、オブジェクトレベルの特徴とセグメントレベルの特徴を組み合わせて、ビデオと対話の間のコンテキスト依存を学び、マルチモーダルな対話状態を生成する。
  論文  参考訳（メタデータ） (2022-06-16T03:18:42Z)
• A Slot Is Not Built in One Utterance: Spoken Language Dialogs with Sub-Slots [67.69407159704328]
  本稿では,SSTOD(Sub-Slot based Task-Oriented Dialog)というタスクを新たに定義する。 データセットには、中国名、電話番号、ID番号、ナンバープレート番号の4つのドメインから合計40Kのダイアログと500Kの発話が含まれている。 我々はSSTODに新たな言語現象と対話的方法を見いだし、タスクのためのダイアログエージェントを構築する上で重要な課題を提起する。
  論文  参考訳（メタデータ） (2022-03-21T07:10:19Z)
• Slot Self-Attentive Dialogue State Tracking [22.187581131353948]
  スロット相関を自動的に学習できるスロット自己認識機構を提案する。 2つのマルチドメインタスク指向対話データセットの包括的な実験を行います。
  論文  参考訳（メタデータ） (2021-01-22T22:48:51Z)
• Zero-shot Generalization in Dialog State Tracking through Generative Question Answering [10.81203437307028]
  本稿では,タスク指向ダイアログの制約やスロットに対する自然言語クエリをサポートする新しいフレームワークを提案する。 本手法は,英語文に事前学習した条件付きドメインモデルを用いた生成的質問応答に基づく。
  論文  参考訳（メタデータ） (2021-01-20T21:47:20Z)
• Recent Neural Methods on Slot Filling and Intent Classification for Task-Oriented Dialogue Systems: A Survey [3.2996723916635267]
  本研究は,対話システムにおける自然言語理解に対処するために,ニューラルネットワークモデルがどのように急速に進化してきたのかを,スロットフィリング(SF)と意図分類(IC)という2つのコアタスクに焦点をあてる。 独立モデル(SFとICを別々にモデル化する)、共同モデル(2つのタスクの相互利益を同時に活用する)、学習モデル(新しいドメインにモデルをスケールする)の3つのニューラルアーキテクチャを導入します。
  論文  参考訳（メタデータ） (2020-11-01T17:15:42Z)
• Modelling Hierarchical Structure between Dialogue Policy and Natural Language Generator with Option Framework for Task-oriented Dialogue System [49.39150449455407]
  HDNOは、特定の対話行為表現の設計を避けるために潜在対話行為を設計するためのオプションフレームワークである。 RL,LaRL,HDSAで学習した単語レベルE2Eモデルと比較して,マルチドメイン対話のデータセットであるMultiWoz 2.0とMultiWoz 2.1でHDNOをテストする。
  論文  参考訳（メタデータ） (2020-06-11T20:55:28Z)

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。