論文の概要: Proactive Retrieval-based Chatbots based on Relevant Knowledge and Goals

• arxiv url: http://arxiv.org/abs/2107.08329v1
• Date: Sun, 18 Jul 2021 00:27:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-20 15:04:10.283431
• Title: Proactive Retrieval-based Chatbots based on Relevant Knowledge and Goals
• Title（参考訳）: 関連知識と目標に基づく確率的検索型チャットボット
• Authors: Yutao Zhu, Jian-Yun Nie, Kun Zhou, Pan Du, Hao Jiang, Zhicheng Dou
• Abstract要約: プロアクティブ対話システムは、会話を積極的にリードする能力を有する。 対話におけるスムーズで自然な遷移を可能にするためには、背景知識が不可欠である。 本稿では,検索に基づく知識ベースプロアクティブ対話のためのマルチタスク学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 28.530853447203434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A proactive dialogue system has the ability to proactively lead the conversation. Different from the general chatbots which only react to the user, proactive dialogue systems can be used to achieve some goals, e.g., to recommend some items to the user. Background knowledge is essential to enable smooth and natural transitions in dialogue. In this paper, we propose a new multi-task learning framework for retrieval-based knowledge-grounded proactive dialogue. To determine the relevant knowledge to be used, we frame knowledge prediction as a complementary task and use explicit signals to supervise its learning. The final response is selected according to the predicted knowledge, the goal to achieve, and the context. Experimental results show that explicit modeling of knowledge prediction and goal selection can greatly improve the final response selection. Our code is available at https://github.com/DaoD/KPN/.
• Abstract（参考訳）: プロアクティブ対話システムは、会話を積極的にリードする能力を有する。 ユーザにのみ反応する一般的なチャットボットとは異なり、プロアクティブな対話システムは、例えば、ユーザーにいくつかのアイテムを推奨するために、いくつかの目標を達成するために使用できる。 背景知識は対話において滑らかで自然な遷移を可能にするために不可欠である。 本稿では,検索型知識接地プロアクティブ対話のためのマルチタスク学習フレームワークを提案する。 使用すべき知識を決定するために,知識予測を補完的なタスクとし,学習を監督するために明示的な信号を使用する。 最終的な応答は、予測された知識、達成の目標、コンテキストに応じて選択される。 実験の結果,知識予測と目標選択の明示的なモデル化は最終応答選択を大幅に改善できることがわかった。 私たちのコードはhttps://github.com/DaoD/KPN/で利用可能です。

関連論文リスト

• Improved intent classification based on context information using a windows-based approach [0.0]
  意図分類タスクは、ユーザが発話から何を達成しようとしているかを特定することを目的としている。 以前の作業では、あるクエリの意図を予測するために、現在の発話のみを使用していた。 本稿では,意図分類タスクにおける文脈情報の役割について検討する。
  論文  参考訳（メタデータ） (2024-11-09T00:56:02Z)
• 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)
• 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)
• 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)
• Achieving Conversational Goals with Unsupervised Post-hoc Knowledge Injection [37.15893335147598]
  現在のニューラルダイアログモデルの制限は、生成された応答における特異性と情報性の欠如に悩まされる傾向があることである。 本稿では,対話履歴と既存の対話モデルから初期応答の両方を条件とした,多様な知識スニペットの集合を検索する,ポストホックな知識注入手法を提案する。 我々は,各検索したスニペットを,勾配に基づく復号法を用いて初期応答に個別に注入し,教師なしランキングステップで最終応答を選択する複数の候補応答を構築する。
  論文  参考訳（メタデータ） (2022-03-22T00:42:27Z)
• Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
  ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。 現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。 グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
  論文  参考訳（メタデータ） (2021-10-15T14:36:45Z)
• Retrieval-Free Knowledge-Grounded Dialogue Response Generation with Adapters [52.725200145600624]
  軽量アダプタで事前学習した言語モデルに事前知識を注入し、検索プロセスをバイパスする KnowExpert を提案する。 実験結果から,KnowExpertは検索ベースラインと相容れない性能を示した。
  論文  参考訳（メタデータ） (2021-05-13T12:33:23Z)
• Prediction, Selection, and Generation: Exploration of Knowledge-Driven Conversation System [24.537862151735006]
  オープンドメインの会話システムでは、背景知識を活用することは重要だが難しい。 知識ベースと事前学習モデルを組み合わせて,知識駆動会話システムを提案する。 知識駆動対話の生成に影響を与える可能性のあるパフォーマンス要因について検討する。
  論文  参考訳（メタデータ） (2021-04-23T07:59:55Z)
• Sequential Latent Knowledge Selection for Knowledge-Grounded Dialogue [51.513276162736844]
  この問題に対する最初のアプローチとして,逐次潜在変数モデルを提案する。 シーケンシャル・ナレッジ・トランスフォーマー (SKT) という名前のモデルは、知識よりも先行と後続の分布を追跡することができる。
  論文  参考訳（メタデータ） (2020-02-18T11:59:59Z)

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。