論文の概要: Adapted End-to-End Coreference Resolution System for Anaphoric Identities in Dialogues

• arxiv url: http://arxiv.org/abs/2109.00185v1
• Date: Wed, 1 Sep 2021 04:51:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-02 14:31:08.216272
• Title: Adapted End-to-End Coreference Resolution System for Anaphoric Identities in Dialogues
• Title（参考訳）: 対話におけるアナフォリック・アイデンティティのための適応型エンドツーエンド参照解決システム
• Authors: Liyan Xu, Jinho D. Choi
• Abstract要約: 本稿では,対話におけるアナフォラ分解能の課題をターゲットとした,エンドツーエンドのニューラルコア参照分解モデルに適応した効果的なシステムを提案する。 本手法では, シングルトンのサポート, 話者のエンコーディング, 対話間通信の切り替えなど, 3つの側面に特化して対応している。 適応戦略の単純さにもかかわらず、これらの戦略は最終的なパフォーマンスに大きな影響を与え、ベースラインを最大27F1改善しました。
• 参考スコア（独自算出の注目度）: 18.12281605882891
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an effective system adapted from the end-to-end neural coreference resolution model, targeting on the task of anaphora resolution in dialogues. Three aspects are specifically addressed in our approach, including the support of singletons, encoding speakers and turns throughout dialogue interactions, and knowledge transfer utilizing existing resources. Despite the simplicity of our adaptation strategies, they are shown to bring significant impact to the final performance, with up to 27 F1 improvement over the baseline. Our final system ranks the 1st place on the leaderboard of the anaphora resolution track in the CRAC 2021 shared task, and achieves the best evaluation results on all four datasets.
• Abstract（参考訳）: 本稿では,対話におけるアナフォラ分解能の課題をターゲットとした,エンドツーエンドのニューラルコア参照分解モデルに基づく効果的なシステムを提案する。 本手法では, シングルトンのサポート, 話者の符号化, 対話を通しての変換, 既存のリソースを利用した知識伝達など, 3つの側面に特化している。 適応戦略の単純さにもかかわらず、これらの戦略は最終的なパフォーマンスに大きな影響を与え、ベースラインを最大27F1改善しました。 最終システムは、CRAC 2021共有タスクにおけるアナフォラ分解トラックのリーダーボード上の第1位にランクされ、4つのデータセットで最高の評価結果が得られる。

関連論文リスト

• Enhancing Large Language Model Induced Task-Oriented Dialogue Systems Through Look-Forward Motivated Goals [76.69419538047813]
  ProToDアプローチは、将来の対話行動を予測し、ToDシステムを強化するためにゴール指向の報酬シグナルを組み込む。 本稿では,目標駆動型対話シミュレーションに基づくToDシステム評価手法を提案する。 また,MultiWoZ 2.1データセットを用いた実験により,データの10%しか利用せず,優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-09-16T10:56:00Z)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• End-to-End Neural Discourse Deixis Resolution in Dialogue [34.295018092278255]
  我々はLeeらによるSpat-based entity coreference modelを対話におけるエンドツーエンドのディクシス分解のタスクに適用する。 結果として得られたモデルであるdd-uttは、CODI-CRAC 2021共有タスクの4つのデータセットに対して最先端の結果を得る。
  論文  参考訳（メタデータ） (2022-11-29T07:27:36Z)
• Conversational Semantic Role Labeling with Predicate-Oriented Latent Graph [40.43625257213158]
  本稿では,述語中心のガウス機構を持つ述語指向潜在グラフ(POLar)を自動生成する。 POLar構造は動的に切断され、タスクニーズに最適なように洗練される。 さらに,対話レベルの事前学習型言語モデルであるCoDiaBERTを導入し,複数の発話文のサポートを向上する。
  論文  参考訳（メタデータ） (2022-10-06T16:42:00Z)
• USTC-NELSLIP System Description for DIHARD-III Challenge [78.40959509760488]
  我々のシステムの革新は、ダイアリゼーション問題を解決するための様々なフロントエンド技術の組み合わせにある。 私達の最もよいシステムは評価セットのトラック1および16.78%のトラック2で11.30%のDERを達成しました。
  論文  参考訳（メタデータ） (2021-03-19T07:00:51Z)
• SUMBT+LaRL: Effective Multi-domain End-to-end Neural Task-oriented Dialog System [6.73550057218157]
  実効的なマルチドメインエンドツーエンドトレーニング型ニューラルダイアログシステム SUMBT+LaRL を提案する。 具体的には、SUMBT+はユーザー行動とダイアログの信念状態を推定し、LaRLは潜在システム行動空間をモデル化し、応答を生成する。 本モデルでは,コーパスによる評価では85.4%,シミュレータによる評価では81.40%の新たな成功率を達成した。
  論文  参考訳（メタデータ） (2020-09-22T11:02:21Z)
• Learning an Effective Context-Response Matching Model with Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
  我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。 我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。 実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-09-14T08:44:46Z)
• Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
  本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。 実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
  論文  参考訳（メタデータ） (2020-05-27T02:05:33Z)
• Modeling Long Context for Task-Oriented Dialogue State Generation [51.044300192906995]
  本稿では,シンプルで効果的な発話タグ付け手法と双方向言語モデルを用いたマルチタスク学習モデルを提案する。 提案手法は,入力対話コンテキストシーケンスが長い場合に,ベースラインの性能が著しく低下する,という問題を解決する。 本実験では,MultiWOZ 2.0データセットにおいて,ベースラインに対して7.03%の相対的改善を実現し,新しい最先端のジョイントゴール精度を52.04%に設定した。
  論文  参考訳（メタデータ） (2020-04-29T11:02:25Z)
• Hierarchical Context Enhanced Multi-Domain Dialogue System for Multi-domain Task Completion [17.66372217976539]
  本稿では,提案した階層型文脈拡張対話システム(HCEDS)について述べる。 本システムの主な動機は,複雑な対話を十分に理解するための階層的文脈の可能性を包括的に探求することである。 その結果,本システムは自動評価において第1位,人的評価では第2位となることがわかった。
  論文  参考訳（メタデータ） (2020-03-03T05:10:13Z)

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。