論文の概要: DialoGraph: Incorporating Interpretable Strategy-Graph Networks into Negotiation Dialogues

• arxiv url: http://arxiv.org/abs/2106.00920v1
• Date: Wed, 2 Jun 2021 03:34:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-03 14:51:31.271381
• Title: DialoGraph: Incorporating Interpretable Strategy-Graph Networks into Negotiation Dialogues
• Title（参考訳）: DialoGraph: 解釈可能な戦略グラフネットワークをネゴシエーション対話に組み込む
• Authors: Rishabh Joshi, Vidhisha Balachandran, Shikhar Vashishth, Alan Black, Yulia Tsvetkov
• Abstract要約: 本稿では,グラフニューラルネットワークを用いた交渉対話において,現実的な戦略を取り入れた交渉システムDialoGraphを提案する。 提案手法は、戦略/対話行動予測の精度と下流対話応答生成の品質の両方において、最先端の交渉モデルより優れている。
• 参考スコア（独自算出の注目度）: 19.910167188269785
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To successfully negotiate a deal, it is not enough to communicate fluently: pragmatic planning of persuasive negotiation strategies is essential. While modern dialogue agents excel at generating fluent sentences, they still lack pragmatic grounding and cannot reason strategically. We present DialoGraph, a negotiation system that incorporates pragmatic strategies in a negotiation dialogue using graph neural networks. DialoGraph explicitly incorporates dependencies between sequences of strategies to enable improved and interpretable prediction of next optimal strategies, given the dialogue context. Our graph-based method outperforms prior state-of-the-art negotiation models both in the accuracy of strategy/dialogue act prediction and in the quality of downstream dialogue response generation. We qualitatively show further benefits of learned strategy-graphs in providing explicit associations between effective negotiation strategies over the course of the dialogue, leading to interpretable and strategic dialogues.
• Abstract（参考訳）: 交渉を成功させるためには、流動的なコミュニケーションが十分ではなく、説得力のある交渉戦略の実践的な計画が不可欠である。 現代の対話エージェントは流麗な文を生成するのに優れているが、それらはまだ実用的根拠がなく、戦略的に推論できない。 本稿では,グラフニューラルネットワークを用いた対話における実用的戦略を取り入れた交渉システムであるdialogographを提案する。 DialoGraphは、対話コンテキストを考慮して、戦略のシーケンス間の依存関係を明示的に組み込んで、次の最適な戦略の改善と解釈を可能にする。 本手法は,戦略/ダイアローグ行動予測の精度と下流対話応答生成の質の両方において,先行手法よりも優れている。 学習戦略グラフのさらなるメリットを質的に示し、対話の過程における効果的な交渉戦略の明確な関連性を提供し、解釈可能かつ戦略的対話をもたらす。

関連論文リスト

• Towards General Negotiation Strategies with End-to-End Reinforcement Learning [3.332967260145465]
  多様な交渉問題に対するエンドツーエンドの強化学習手法を開発した。 我々は,本手法が有効であること,また,これまでなかった交渉問題について,他のエージェントと交渉することを学ぶことができることを示す。
  論文  参考訳（メタデータ） (2024-06-21T12:24:36Z)
• Strength Lies in Differences! Improving Strategy Planning for Non-collaborative Dialogues via Diversified User Simulation [69.5677514160986]
  本研究では,多様なユーザとの戦略的対話に携わる非協力的対話エージェントについて検討する。 これは既存の対話エージェントに2つの大きな課題をもたらす。 本稿では,ユーザ認識型戦略計画モジュールと人口ベーストレーニングパラダイムを取り入れた,適切な戦略計画の能力を高めるためのTripを提案する。
  論文  参考訳（メタデータ） (2024-03-11T14:38:16Z)
• Let's Negotiate! A Survey of Negotiation Dialogue Systems [56.01648785030208]
  交渉は人間のコミュニケーションにおいて重要な能力である。 近年の交渉対話システムへの関心は、紛争の解決や合意の達成を支援するインテリジェントなエージェントを作ることを目標としている。
  論文  参考訳（メタデータ） (2024-02-02T02:12:46Z)
• Plug-and-Play Policy Planner for Large Language Model Powered Dialogue Agents [121.46051697742608]
  そこで本稿では,PDPPという言語モデルプラグインを用いて対話問題を整理するための新たな対話ポリシー計画パラダイムを提案する。 具体的には、利用可能な人間の注釈付きデータに対する教師付き微調整を容易にするための新しいトレーニングフレームワークを開発する。 PPDPPは3つの異なるプロアクティブな対話アプリケーションにおいて、既存のアプローチを一貫して、実質的に上回っている。
  論文  参考訳（メタデータ） (2023-11-01T03:20:16Z)
• Investigating Reinforcement Learning for Communication Strategies in a Task-Initiative Setting [8.680676599607123]
  我々は,ユーザ明確化戦略の関数として,最初のプレゼンテーションとその後のフォローアップのトレードオフを分析する。 我々は、最小限のデータ要求、説明可能な選択、強力な監査機能をもたらす対話戦略の一貫性に基づく表現に対する驚くべき優位性を見出した。
  論文  参考訳（メタデータ） (2023-08-03T00:10:23Z)
• Let's Negotiate! A Survey of Negotiation Dialogue Systems [50.8766991794008]
  交渉は人間のコミュニケーションにおいて重要な能力の1つである。 目標とは、人間が紛争を解決したり、有益な合意に達するのを効率的に支援する能力を持つ知的エージェントを強化することである。
  論文  参考訳（メタデータ） (2022-12-18T12:03:53Z)
• Modeling Non-Cooperative Dialogue: Theoretical and Empirical Insights [11.462075538526703]
  視覚対話タスクの完了時に非協調的インターロケータを識別するエージェントの能力について検討する。 本研究では,非協調的インターロケータを同定する理論モデルの開発に学習理論のツールを使用し,この理論を適用して異なるコミュニケーション戦略を解析する。
  論文  参考訳（メタデータ） (2022-07-15T02:08:41Z)
• CaSiNo: A Corpus of Campsite Negotiation Dialogues for Automatic Negotiation Systems [11.43342650898619]
  我々はCaSiNo:英語で数千以上の交渉対話の斬新なコーパスを提示します。 私たちの設計は、トラクタブルで閉じたドメイン環境を維持しながら、多様で言語的に豊富な交渉をもたらします。 これらの戦略を与えられた発話で認識するためのマルチタスクフレームワークの提案と評価を行います。
  論文  参考訳（メタデータ） (2021-03-29T16:07:25Z)
• Discourse Coherence, Reference Grounding and Goal Oriented Dialogue [15.766916122461922]
  我々は、混合開始型人間-コンピュータの参照通信を実現するための新しいアプローチについて論じる。 本稿では,談話間の制約を蓄積し,学習確率モデルを用いて解釈する参照通信領域における単純な対話システムについて述べる。
  論文  参考訳（メタデータ） (2020-07-08T20:53:14Z)
• Modeling Long Context for Task-Oriented Dialogue State Generation [51.044300192906995]
  本稿では,シンプルで効果的な発話タグ付け手法と双方向言語モデルを用いたマルチタスク学習モデルを提案する。 提案手法は,入力対話コンテキストシーケンスが長い場合に,ベースラインの性能が著しく低下する,という問題を解決する。 本実験では,MultiWOZ 2.0データセットにおいて,ベースラインに対して7.03%の相対的改善を実現し,新しい最先端のジョイントゴール精度を52.04%に設定した。
  論文  参考訳（メタデータ） (2020-04-29T11:02:25Z)
• Dynamic Knowledge Routing Network For Target-Guided Open-Domain Conversation [79.7781436501706]
  本稿では,粗いキーワードを導入することで,システム応答の意図した内容を制御する構造的アプローチを提案する。 また,対話を円滑な目標達成に導くために,より高い成功率で対話を誘導する新たな二重談話レベルの目標誘導戦略を提案する。
  論文  参考訳（メタデータ） (2020-02-04T09:49:36Z)

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。