論文の概要: Know Deeper: Knowledge-Conversation Cyclic Utilization Mechanism for
Open-domain Dialogue Generation
- arxiv url: http://arxiv.org/abs/2107.07771v1
- Date: Fri, 16 Jul 2021 08:59:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 20:29:58.617148
- Title: Know Deeper: Knowledge-Conversation Cyclic Utilization Mechanism for
Open-domain Dialogue Generation
- Title（参考訳）: Know Deeper:オープンドメイン対話生成のための知識対話サイクル利用メカニズム
- Authors: Yajing Sun, Yue Hu, Luxi Xing, Yuqiang Xie, Xiangpeng Wei
- Abstract要約: エンドツーエンドのインテリジェントなニューラルダイアログシステムは、一貫性のない繰り返し応答を生成する問題に悩まされる。
既存の対話モデルは、対人関係の会話情報を対人情報の流れとして捉えた個人知識に組み込むことが、その後の会話の質を高めるという事実を無視しながら、対人関係の個人知識を一方的にダイアログに組み込むことに注意を払っている。
会話の一貫性を向上し、2つの折り畳みから繰り返しを緩和することを目的とした,会話適応型多視点対応対応型応答生成モデルを提案する。
- 参考スコア（独自算出の注目度）: 11.72386584395626
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: End-to-End intelligent neural dialogue systems suffer from the problems of
generating inconsistent and repetitive responses. Existing dialogue models pay
attention to unilaterally incorporating personal knowledge into the dialog
while ignoring the fact that incorporating the personality-related conversation
information into personal knowledge taken as the bilateral information flow
boosts the quality of the subsequent conversation. Besides, it is indispensable
to control personal knowledge utilization over the conversation level. In this
paper, we propose a conversation-adaption multi-view persona aware response
generation model that aims at enhancing conversation consistency and
alleviating the repetition from two folds. First, we consider conversation
consistency from multiple views. From the view of the persona profile, we
design a novel interaction module that not only iteratively incorporates
personalized knowledge into each turn conversation but also captures the
personality-related information from conversation to enhance personalized
knowledge semantic representation. From the view of speaking style, we
introduce the speaking style vector and feed it into the decoder to keep the
speaking style consistency. To avoid conversation repetition, we devise a
coverage mechanism to keep track of the activation of personal knowledge
utilization. Experiments on both automatic and human evaluation verify the
superiority of our model over previous models.
- Abstract（参考訳）: エンドツーエンドのインテリジェントなニューラルダイアログシステムは、一貫性のない繰り返し応答を生成する問題に悩まされる。
既存の対話モデルは、一方的に個人的知識を対話に取り入れることに注意を払い、一方的個性に関連した会話情報を、二者間情報フローがその後の会話の質を高めると捉えた個人的知識に組み込むという事実を無視している。
また,会話レベルでの個人的知識利用の制御も不可欠である。
本稿では,会話の一貫性の向上と2つの折りたたみによる反復の緩和を目的とした,会話適応型多視点人格認識応答生成モデルを提案する。
まず,複数の視点から会話の一貫性を検討する。
ペルソナプロファイルの視点から,パーソナライズされた知識を各会話に反復的に取り入れるだけでなく,会話からパーソナライズされた情報を取り込んで,パーソナライズされた知識意味表現を強化する新たなインタラクションモジュールをデザインする。
発話スタイルの観点からは、スピーキングスタイルベクトルを導入し、スピーキングスタイルの一貫性を保つためにデコーダに供給する。
会話の繰り返しを避けるために,個人の知識利用の活性化を追跡するためのカバレッジメカニズムを考案する。
自動評価と人的評価の両方の実験は、過去のモデルよりもモデルの優位性を検証する。
関連論文リスト
- Enhancing Personality Recognition in Dialogue by Data Augmentation and
Heterogeneous Conversational Graph Networks [30.33718960981521]
パーソナリティ認識は、ユーザ適応応答をカスタマイズするロボットの能力を高めるのに有用である。
この課題の1つは、既存の対話コーパスにおける話者の限られた数である。
論文 参考訳（メタデータ） (2024-01-11T12:27:33Z) - Learning to Memorize Entailment and Discourse Relations for
Persona-Consistent Dialogues [8.652711997920463]
既存の作業は、高度ネットワーク構造を持つ対話者ペルソナを意図的に学習することで、対話システムの性能を改善した。
本研究は,ペルソナ一貫性のある対話課題における係り受け関係と談話関係を記憶する学習方法を提案する。
論文 参考訳（メタデータ） (2023-01-12T08:37:00Z) - KPT: Keyword-guided Pre-training for Grounded Dialog Generation [82.68787152707455]
KPT(Guided Pre-Training)は,グラウンドドダイアログ生成のための自己教師付き事前学習手法である。
具体的には、事前訓練された言語モデルを用いて、ダイアログ内の最も不確実なトークンをキーワードとして抽出する。
我々は,対話行為,知識グラフ,ペルソナ記述,ウィキペディアの文節など,数発の知識ベース生成タスクについて広範な実験を行った。
論文 参考訳（メタデータ） (2022-12-04T04:05:01Z) - Retrieval Augmentation Reduces Hallucination in Conversation [49.35235945543833]
知識に基づく対話のためのループ型ニューラルネットワークアーキテクチャの利用を検討する。
我々は,2つの知識に基づく会話タスクにおいて,最高のモデルが最先端のパフォーマンスを得ることを示す。
論文 参考訳（メタデータ） (2021-04-15T16:24:43Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - The Adapter-Bot: All-In-One Controllable Conversational Model [66.48164003532484]
本稿では、DialGPTなどの固定バックボーンモデルを用いて、異なるアダプタを介してオンデマンド対話スキルをトリガーする対話モデルを提案する。
スキルに応じて、モデルはテキスト、テーブル、強調応答などの複数の知識タイプを処理できる。
我々は,既存の会話モデルと比較し,自動評価を用いたモデルの評価を行った。
論文 参考訳（メタデータ） (2020-08-28T10:59:31Z) - Knowledge Injection into Dialogue Generation via Language Models [85.65843021510521]
InjKは対話生成モデルに知識を注入するための2段階のアプローチである。
まず、大規模言語モデルをトレーニングし、テキスト知識としてクエリする。
次に、対話生成モデルを作成し、テキスト知識と対応する応答を逐次生成する。
論文 参考訳（メタデータ） (2020-04-30T07:31:24Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。