論文の概要: Improving Computer Generated Dialog with Auxiliary Loss Functions and Custom Evaluation Metrics

• arxiv url: http://arxiv.org/abs/2106.02516v1
• Date: Fri, 4 Jun 2021 14:35:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-07 19:56:04.635219
• Title: Improving Computer Generated Dialog with Auxiliary Loss Functions and Custom Evaluation Metrics
• Title（参考訳）: 補助損失関数によるコンピュータ生成ダイアログの改善とカスタム評価基準
• Authors: Thomas Conley, Jack St. Clair, Jugal Kalita
• Abstract要約: この研究は、リカレントニューラルネットワーク(RNN)を生成するダイアログを作成することによって探索に加わる。 我々のカスタム損失関数は、最大相互情報(MMI)とエントロピーの計算を含めることで、より優れた凝集とコヒーレンスを実現する。 本システムの有効性を,自然言語処理の試行錯誤原理に基づく一組のカスタム評価指標を用いて実証する。
• 参考スコア（独自算出の注目度）: 3.437656066916039
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although people have the ability to engage in vapid dialogue without effort, this may not be a uniquely human trait. Since the 1960's researchers have been trying to create agents that can generate artificial conversation. These programs are commonly known as chatbots. With increasing use of neural networks for dialog generation, some conclude that this goal has been achieved. This research joins the quest by creating a dialog generating Recurrent Neural Network (RNN) and by enhancing the ability of this network with auxiliary loss functions and a beam search. Our custom loss functions achieve better cohesion and coherence by including calculations of Maximum Mutual Information (MMI) and entropy. We demonstrate the effectiveness of this system by using a set of custom evaluation metrics inspired by an abundance of previous research and based on tried-and-true principles of Natural Language Processing.
• Abstract（参考訳）: 人々は無駄な対話を努力なしに行う能力を持っているが、これは独特な人間的特徴ではないかもしれない。 1960年代以降、研究者は人工会話を生成できるエージェントを作ろうと試みている。 これらのプログラムは一般的にチャットボットとして知られている。 対話生成にニューラルネットワークの利用が増加すると、この目標が達成されたと結論付ける者もいる。 本研究は,対話生成型リカレントニューラルネットワーク(rnn)を作成し,補助損失関数とビーム探索により,このネットワークの能力を高めることで,クエストに加わる。 我々のカスタム損失関数は、最大相互情報(MMI)とエントロピーの計算を含めることで、より優れた凝集とコヒーレンスを実現する。 本システムの有効性は,従来の研究成果から着想を得た,自然言語処理の試行と真理に基づく,一連のカスタム評価指標を用いて実証する。

関連論文リスト

• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
  モデルに依存しない長期対話エージェント(LD-Agent)を導入する。 イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。 LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
  論文  参考訳（メタデータ） (2024-06-09T21:58:32Z)
• Employing Hybrid Deep Neural Networks on Dari Speech [0.0]
  本稿では,Mel- frequency cepstral coefficients (MFCCs) 特徴抽出法を用いて,Dari言語における個々の単語の認識に焦点を当てる。 我々は、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、多層パーセプトロン(MLP)の3つの異なるディープニューラルネットワークモデルを評価する。
  論文  参考訳（メタデータ） (2023-05-04T23:10:53Z)
• PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue Model [79.64376762489164]
  PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。 PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。 PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
  論文  参考訳（メタデータ） (2023-04-02T18:23:13Z)
• Grounding in social media: An approach to building a chit-chat dialogue model [9.247397520986999]
  豊かな人間のような会話能力を持つオープンドメイン対話システムを構築することは、言語生成における根本的な課題の1つである。 知識に基づく対話生成に関する現在の研究は、主にウィキペディアのような事実に基づく構造化知識ソースを法人化または検索することに焦点を当てている。 本手法は,ソーシャルメディア上での人間の反応行動の模倣によって,システムの生会話能力を向上させることを目的とした,より広範かつシンプルなアプローチである。
  論文  参考訳（メタデータ） (2022-06-12T09:01:57Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• CHAI: A CHatbot AI for Task-Oriented Dialogue with Offline Reinforcement Learning [85.3987745097806]
  オフライン強化学習は、人間の話者から収集された静的データセットを使用して、対話エージェントをトレーニングするために使用することができる。 実験により,最近開発されたオフラインRL手法と言語モデルを組み合わせることで,現実的な対話エージェントが得られることが示された。
  論文  参考訳（メタデータ） (2022-04-18T17:43:21Z)
• Training Conversational Agents with Generative Conversational Networks [74.9941330874663]
  我々は、生成会話ネットワークを使用して、自動的にデータを生成し、社会的会話エージェントを訓練する。 自動メトリクスと人的評価器を用いてTopicalChatのアプローチを評価し、10%のシードデータで100%のデータを使用するベースラインに近いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2021-10-15T21:46:39Z)
• Proto: A Neural Cocktail for Generating Appealing Conversations [3.0886356222136837]
  本稿では,Alexa Prize Grand Challenge 4 Socialbot: Protoを紹介する。 本稿では,ソーシャルボットが実施するさまざまなコンポーネントや会話戦略を識別し,分析する。
  論文  参考訳（メタデータ） (2021-09-06T14:46:04Z)

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。