論文の概要: Continuity of Topic, Interaction, and Query: Learning to Quote in Online Conversations

• arxiv url: http://arxiv.org/abs/2106.09896v1
• Date: Fri, 18 Jun 2021 03:38:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-21 14:10:09.833433
• Title: Continuity of Topic, Interaction, and Query: Learning to Quote in Online Conversations
• Title（参考訳）: トピック、インタラクション、クエリの連続性:オンライン会話における引用学習
• Authors: Lingzhi Wang, Jing Li, Xingshan Zeng, Haisong Zhang, Kam-Fai Wong
• Abstract要約: 本研究は,オンライン会話における引用の自動生成について研究する。 引用でコンテキストを継続するために、エンコーダ-デコーダニューラルフレームワークが使用される。 英語と中国語の2つの大規模データセットの実験結果。
• 参考スコア（独自算出の注目度）: 23.214585012203084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quotations are crucial for successful explanations and persuasions in interpersonal communications. However, finding what to quote in a conversation is challenging for both humans and machines. This work studies automatic quotation generation in an online conversation and explores how language consistency affects whether a quotation fits the given context. Here, we capture the contextual consistency of a quotation in terms of latent topics, interactions with the dialogue history, and coherence to the query turn's existing content. Further, an encoder-decoder neural framework is employed to continue the context with a quotation via language generation. Experiment results on two large-scale datasets in English and Chinese demonstrate that our quotation generation model outperforms the state-of-the-art models. Further analysis shows that topic, interaction, and query consistency are all helpful to learn how to quote in online conversations.
• Abstract（参考訳）: 引用は、対人コミュニケーションにおける説明と説得の成功に不可欠である。 しかし、会話の中で引用するものを見つけることは人間と機械の両方にとって難しい。 本研究は,オンライン会話における引用の自動生成について検討し,引用が与えられた文脈に適合するか否かを言語一貫性がどう影響するかを考察する。 ここでは、潜在トピック、対話履歴との相互作用、クエリターンの既存のコンテンツに対する一貫性の観点から、引用の文脈的一貫性を捉える。 さらに、エンコーダ-デコーダニューラルフレームワークを使用して、言語生成による引用でコンテキストを継続する。 英語と中国語の2つの大規模データセットにおける実験結果は、私たちの引用生成モデルが最先端モデルを上回ることを示している。 さらなる分析によって、トピック、インタラクション、クエリ一貫性はすべて、オンライン会話で引用する方法を学ぶのに役立ちます。

関連論文リスト

• Token Trails: Navigating Contextual Depths in Conversational AI with ChatLLM [0.5743699972363359]
  Token Trailsは、トークンタイプの埋め込みを利用して会話内のコンテキストニュアンスをナビゲートする、新しいアプローチである。 本フレームワークはトークン型埋め込みを利用して,ユーザの発話とボット応答を区別し,コンテキスト認識応答の生成を容易にする。
  論文  参考訳（メタデータ） (2024-04-03T02:11:39Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• Neural Conversation Models and How to Rein Them in: A Survey of Failures and Fixes [17.489075240435348]
  最近の条件付き言語モデルは、しばしば流動的な方法で、あらゆる種類のテキストソースを継続することができる。 言語の観点から言えば、会話への貢献は高い。 最近のアプローチでは、基礎となる言語モデルを様々な介入ポイントでテームしようと試みている。
  論文  参考訳（メタデータ） (2023-08-11T12:07:45Z)
• DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
  プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。 そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
  論文  参考訳（メタデータ） (2023-06-15T10:41:23Z)
• 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)
• FCTalker: Fine and Coarse Grained Context Modeling for Expressive Conversational Speech Synthesis [75.74906149219817]
  Conversational Text-to-Speech (TTS) は、会話の文脈において、適切な言語的・感情的な韻律で発話を合成することを目的としている。 本稿では, 音声生成時に, 微細で粗い文脈依存性を同時に学習する, FCTalkerと呼ばれる新しい表現型会話型TSモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-27T12:20:20Z)
• ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
  我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。 我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
  論文  参考訳（メタデータ） (2021-06-01T22:17:13Z)
• Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure [53.77234444565652]
  会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。 単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。 英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T17:46:00Z)
• Online Conversation Disentanglement with Pointer Networks [13.063606578730449]
  本稿では,会話の絡み合わせのためのエンドツーエンドのオンラインフレームワークを提案する。 我々は、タイムスタンプ、話者、メッセージテキストを含む全発話を埋め込む新しい手法を設計する。 Ubuntu IRCデータセットを用いた実験により,提案手法はリンクと会話の予測タスクにおいて,最先端のパフォーマンスを実現することを示す。
  論文  参考訳（メタデータ） (2020-10-21T15:43:07Z)
• Fact-based Dialogue Generation with Convergent and Divergent Decoding [2.28438857884398]
  本稿では,コンバージェントな思考能力を備えたエンドツーエンドのファクトベース対話システムを提案する。 我々のモデルは、情報的かつ多様な応答を生成できる新しい収束および分岐復号を組み込んでいる。
  論文  参考訳（メタデータ） (2020-05-06T23:49:35Z)

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。