論文の概要: ARTA: Collection and Classification of Ambiguous Requests and Thoughtful Actions

• arxiv url: http://arxiv.org/abs/2106.07999v1
• Date: Tue, 15 Jun 2021 09:28:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 15:17:00.596741
• Title: ARTA: Collection and Classification of Ambiguous Requests and Thoughtful Actions
• Title（参考訳）: ARTA:曖昧な要求と思慮行動の収集と分類
• Authors: Shohei Tanaka, Koichiro Yoshino, Katsuhito Sudoh, Satoshi Nakamura
• Abstract要約: ヒューマンアシストシステムは、曖昧なユーザリクエストに対して、慎重に適切なアクションを取らなければならない。 あいまいなユーザリクエストを対応するシステムアクションに分類するモデルを開発する。 実験により,PU学習法は一般的な正負学習法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 35.557857101679296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-assisting systems such as dialogue systems must take thoughtful, appropriate actions not only for clear and unambiguous user requests, but also for ambiguous user requests, even if the users themselves are not aware of their potential requirements. To construct such a dialogue agent, we collected a corpus and developed a model that classifies ambiguous user requests into corresponding system actions. In order to collect a high-quality corpus, we asked workers to input antecedent user requests whose pre-defined actions could be regarded as thoughtful. Although multiple actions could be identified as thoughtful for a single user request, annotating all combinations of user requests and system actions is impractical. For this reason, we fully annotated only the test data and left the annotation of the training data incomplete. In order to train the classification model on such training data, we applied the positive/unlabeled (PU) learning method, which assumes that only a part of the data is labeled with positive examples. The experimental results show that the PU learning method achieved better performance than the general positive/negative (PN) learning method to classify thoughtful actions given an ambiguous user request.
• Abstract（参考訳）: 対話システムのようなヒューマンアシストシステムは、明確で曖昧なユーザリクエストだけでなく、ユーザ自身が潜在的な要求を認識していなくても、あいまいなユーザリクエストに対しても、思慮深い適切なアクションを取らなければならない。 このような対話エージェントを構築するために,コーパスを収集し,曖昧なユーザ要求を対応するシステムアクションに分類するモデルを開発した。 高品質コーパスの収集のために,事前定義されたアクションを考慮すべきユーザ要求の入力を作業者に依頼した。 複数のアクションは単一のユーザリクエストに対して慎重に識別できるが、ユーザリクエストとシステムアクションのすべての組み合わせに注釈をつけることは現実的ではない。 そのため、テストデータのみに完全にアノテーションを付け、トレーニングデータのアノテーションを不完全に残しました。 このような学習データに対して分類モデルを訓練するために,データの一部のみが正の例でラベル付けされていることを前提に,p/unlabeled(pu)学習法を適用した。 実験の結果,PU学習法は,不明瞭なユーザ要求に対する思考行動の分類を行う一般正負学習法よりも優れた性能を示した。

関連論文リスト

• The Art of Saying No: Contextual Noncompliance in Language Models [123.383993700586]
  本稿では,ユーザの要求に従わないモデルについて,コンテキスト非準拠の包括的分類を導入する。 我々の分類は、不完全、不完全、不完全、不決定、人為的要求を含む幅広いカテゴリーにまたがる。 言語モデルの非準拠性をテストするために,1000個の非準拠プロンプトの新たな評価スイートを開発するために,この分類法を用いる。
  論文  参考訳（メタデータ） (2024-07-02T07:12:51Z)
• What is wrong with you?: Leveraging User Sentiment for Automatic Dialog Evaluation [73.03318027164605]
  本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。 本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
  論文  参考訳（メタデータ） (2022-03-25T22:09:52Z)
• UserIdentifier: Implicit User Representations for Simple and Effective Personalized Sentiment Analysis [36.162520010250056]
  提案するUserIdentifierは,すべてのユーザに対して単一の共有モデルをトレーニングするための新しいスキームである。 提案手法は,入力データに固定された非トレーニング可能なユーザ識別子を追加することで,パーソナライズされた応答を生成する。
  論文  参考訳（メタデータ） (2021-10-01T00:21:33Z)
• Out-of-Scope Intent Detection with Self-Supervision and Discriminative Training [20.242645823965145]
  タスク指向対話システムにおいて、スコープ外インテント検出は実用上重要である。 本稿では,テストシナリオをシミュレートして,スコープ外インテント分類器をエンドツーエンドに学習する手法を提案する。 提案手法を4つのベンチマーク・ダイアログ・データセット上で広範囲に評価し,最先端のアプローチに対する大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-16T08:17:18Z)
• Pre-training for low resource speech-to-intent applications [26.093156590824076]
  本稿では,s2i(user-taught speech-to-intent)システムについて述べる。 ユーザ学習システムは、アクションデモによりユーザの音声入力からスクラッチから学習する。 本稿では、エンドツーエンドASRシステムのエンコーダと、以前のNMF/カプセルネットワークベースのユーザ検出デコーダを組み合わせる。
  論文  参考訳（メタデータ） (2021-03-30T20:44:29Z)
• Federated Learning of User Authentication Models [69.93965074814292]
  機械学習モデルのプライバシー保護のためのフレームワークであるFederated User Authentication (FedUA)を提案する。 FedUAは、フェデレートされた学習フレームワークを採用して、ユーザが生の入力を共有することなく、共同でモデルをトレーニングできるようにする。 提案手法はプライバシ保護であり,多数のユーザに対してスケーラブルであることを示し,出力層を変更することなく,新たなユーザをトレーニングに追加できるようにした。
  論文  参考訳（メタデータ） (2020-07-09T08:04:38Z)
• Large-scale Hybrid Approach for Predicting User Satisfaction with Conversational Agents [28.668681892786264]
  ユーザの満足度を測定することは難しい課題であり、大規模な会話エージェントシステムの開発において重要な要素である。 人間のアノテーションに基づくアプローチは簡単に制御できるが、スケールするのは難しい。 新たなアプローチとして,会話エージェントシステムに埋め込まれたフィードバック誘導システムを通じて,ユーザの直接的なフィードバックを収集する手法がある。
  論文  参考訳（メタデータ） (2020-05-29T16:29:09Z)
• Seamlessly Unifying Attributes and Items: Conversational Recommendation for Cold-Start Users [111.28351584726092]
  コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。 会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
  論文  参考訳（メタデータ） (2020-05-23T08:56:37Z)
• Empowering Active Learning to Jointly Optimize System and User Demands [70.66168547821019]
  我々は,アクティブラーニングシステムとユーザを協調的に(効率的に学習)するための,新しいアクティブラーニング手法を提案する。 本手法は,特定のユーザに対して,エクササイズの適切性を予測するために,学習を迅速かつ迅速に行う必要があるため,特に,この手法のメリットを生かした教育アプリケーションで研究する。 複数の学習戦略とユーザタイプを実際のユーザからのデータで評価し,代替手法がエンドユーザに適さない多くのエクササイズをもたらす場合,共同アプローチが両方の目標を満足できることを確認した。
  論文  参考訳（メタデータ） (2020-05-09T16:02:52Z)

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。