論文の概要: End-to-End Task-Oriented Dialog Modeling with Semi-Structured Knowledge Management

• arxiv url: http://arxiv.org/abs/2106.11796v1
• Date: Tue, 22 Jun 2021 14:07:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-23 15:01:05.362180
• Title: End-to-End Task-Oriented Dialog Modeling with Semi-Structured Knowledge Management
• Title（参考訳）: 半構造化知識管理を用いたエンドツーエンドタスク指向対話モデリング
• Authors: Silin Gao, Ryuichi Takanobu, Minlie Huang
• Abstract要約: 現在のタスク指向対話(TOD)システムは主に構造化知識を管理する。 それらは、構造化されていない知識も含むダイアログを扱うのに足りません。 本研究では,半構造化知識管理システムSeKnowを提案し,構造化コンテンツと非構造化コンテンツの両方で知識を管理するための信念状態を拡張する。
• 参考スコア（独自算出の注目度）: 40.99595530656065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current task-oriented dialog (TOD) systems mostly manage structured knowledge (e.g. databases and tables) to guide the goal-oriented conversations. However, they fall short of handling dialogs which also involve unstructured knowledge (e.g. reviews and documents). In this paper, we formulate a task of modeling TOD grounded on a fusion of structured and unstructured knowledge. To address this task, we propose a TOD system with semi-structured knowledge management, SeKnow, which extends the belief state to manage knowledge with both structured and unstructured contents. Furthermore, we introduce two implementations of SeKnow based on a non-pretrained sequence-to-sequence model and a pretrained language model, respectively. Both implementations use the end-to-end manner to jointly optimize dialog modeling grounded on structured and unstructured knowledge. We conduct experiments on the modified version of MultiWOZ 2.1 dataset, where dialogs are processed to involve semi-structured knowledge. Experimental results show that SeKnow has strong performances in both end-to-end dialog and intermediate knowledge management, compared to existing TOD systems and their extensions with pipeline knowledge management schemes.
• Abstract（参考訳）: 現在のタスク指向対話(TOD)システムは主に構造化知識を管理する。 データベースとテーブル) 目標指向の会話をガイドする。 しかし、それらは非構造化知識(例えば、)も含むダイアログを扱うのに不足している。 レビューと文書)。 本稿では,構造化知識と非構造化知識の融合に基づくTODモデリングの課題を定式化する。 この課題に対処するため,構造化コンテンツと非構造化コンテンツの両方で知識を管理するための信念状態を拡張する半構造化知識管理システムSeKnowを提案する。 さらに,予測されていないシーケンス・ツー・シーケンスモデルと事前学習された言語モデルに基づいて,SeKnowの2つの実装を紹介する。 どちらの実装も、構造化知識と非構造化知識に基づくダイアログモデリングを協調的に最適化するためにエンドツーエンド方式を使用している。 我々はMultiWOZ 2.1データセットの修正版について実験を行い、ダイアログは半構造化知識を含むように処理される。 実験結果から,SeKnowは既存のTODシステムやパイプライン知識管理手法による拡張と比較して,エンド・ツー・エンド・ダイアログと中間知識管理の両方で高い性能を示した。

関連論文リスト

• InstructTODS: Large Language Models for End-to-End Task-Oriented Dialogue Systems [60.53276524369498]
  大規模言語モデル(LLM)は自然言語処理(NLP)における多様なタスクに使用されている。 InstructTODSは、ゼロショットのタスク指向対話システムのための新しいフレームワークである。 InstructTODSは、ユーザの意図を動的クエリにシームレスに翻訳するプロキシの信念状態を生成する。
  論文  参考訳（メタデータ） (2023-10-13T06:36:26Z)
• Knowledge-Retrieval Task-Oriented Dialog Systems with Semi-Supervision [22.249113574918034]
  既存のタスク指向ダイアログ(TOD)システムは、スロットと値の観点からダイアログの状態を追跡し、データベースに問い合わせて応答を生成する。 現実のアプリケーションでは,ユーザの発話がノイズが多いため,対話状態を正確に追跡し,関連する知識を正しく確保することは困難である。 そこで本研究では,TODシステムにおける知識選択を高速化する検索手法を提案する。
  論文  参考訳（メタデータ） (2023-05-22T16:29:20Z)
• Knowledge-grounded Dialog State Tracking [12.585986197627477]
  我々は,外部に符号化された知識に基づいて,対話状態の追跡を行う。 ダイアログのコンテキストに基づいて,様々な形態の関連知識を問い合わせる。 提案手法の強塩基性よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-10-13T01:34:08Z)
• Multimodal Dialog Systems with Dual Knowledge-enhanced Generative Pretrained Language Model [63.461030694700014]
  マルチモーダルなタスク指向対話システム(DKMD)のための新しい二元的知識強化型事前学習言語モデルを提案する。 提案したDKMDは,2つの知識選択,2つの知識強調型文脈学習,知識強調型応答生成という3つの重要なコンポーネントから構成される。 パブリックデータセットの実験は、最先端の競合相手よりも提案されたDKMDの優位性を検証する。
  論文  参考訳（メタデータ） (2022-07-16T13:02:54Z)
• OPERA: Harmonizing Task-Oriented Dialogs and Information Seeking Experience [87.0233567695073]
  会話型AIにおける既存の研究は、主にタスク指向対話(TOD)と質問応答(QA)を別々のタスクとして扱う。 そこで我々は,TODとQAタスクを組み合わせた新たなタスクであるOpen-Book TOD (OB-TOD)を提案する。 我々は,そのタスクに対処するために,明示的で暗黙的な外部知識を適切にアクセス可能な統一モデルOPERAを提案する。
  論文  参考訳（メタデータ） (2022-06-24T18:21:26Z)
• Towards Unified Conversational Recommender Systems via Knowledge-Enhanced Prompt Learning [89.64215566478931]
  会話レコメンデータシステム(CRS)は,ユーザの嗜好を積極的に取り入れ,自然言語会話を通じて高品質な項目を推薦することを目的としている。 効果的なCRSを開発するためには、2つのモジュールをシームレスに統合することが不可欠である。 知識強調学習に基づく統一CRSモデルUniCRSを提案する。
  論文  参考訳（メタデータ） (2022-06-19T09:21:27Z)
• HyKnow: End-to-End Task-Oriented Dialog Modeling with Hybrid Knowledge Management [58.82499963373537]
  ハイブリッドナレッジ管理のTODシステム「HyKnow」を提案します。 構造的知識と非構造的知識の両方を管理するための信念状態を拡張する。 この2つの知識に基づくモデリングを共同で最適化した最初のエンドツーエンドモデルである。
  論文  参考訳（メタデータ） (2021-05-13T01:58:39Z)
• Unstructured Knowledge Access in Task-oriented Dialog Modeling using Language Inference, Knowledge Retrieval and Knowledge-Integrative Response Generation [44.184890645068485]
  外部知識に富んだダイアログシステムは、サポートするデータベース/APIの範囲外にあるユーザクエリを処理できる。 タスク指向対話システムのパイプラインを構成するKDEAK, KnowleDgEFactor, Ens-GPTの3つのサブシステムを提案する。 実験の結果,提案パイプラインシステムはベースラインを上回り,高品質な応答を生成することがわかった。
  論文  参考訳（メタデータ） (2021-01-15T11:24:32Z)
• GraphDialog: Integrating Graph Knowledge into End-to-End Task-Oriented Dialogue Systems [9.560436630775762]
  エンドツーエンドのタスク指向対話システムは,平易なテキスト入力から直接システム応答を生成することを目的としている。 1つは、外部知識ベース(KB)を学習フレームワークに効果的に組み込む方法であり、もう1つは、対話履歴のセマンティクスを正確に捉える方法である。 この2つの課題は、知識ベースと対話の依存性解析ツリーにおけるグラフ構造情報を活用することで解決される。
  論文  参考訳（メタデータ） (2020-10-04T00:04:40Z)

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。