論文の概要: Controllable Dialogue Generation with Disentangled Multi-grained Style Specification and Attribute Consistency Reward

• arxiv url: http://arxiv.org/abs/2109.06717v1
• Date: Tue, 14 Sep 2021 14:29:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-15 15:56:26.272404
• Title: Controllable Dialogue Generation with Disentangled Multi-grained Style Specification and Attribute Consistency Reward
• Title（参考訳）: 絡み合った多粒性スタイル仕様と属性整合性リワードを用いた制御可能な対話生成
• Authors: Zhe Hu, Zhiwei Cao, Hou Pong Chan, Jiachen Liu, Xinyan Xiao, Jinsong Su, Hua Wu
• Abstract要約: マルチ属性制約下で応答生成を行うための制御可能な対話生成モデルを提案する。 一般的に使用される制御属性を,応答生成に対する影響の粒度が異なる大域的および局所的な属性に分類する。 我々のモデルは、応答品質、コンテンツ多様性、制御性の観点から、競争ベースラインを大幅に上回ることができる。
• 参考スコア（独自算出の注目度）: 47.96949534259019
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Controllable text generation is an appealing but challenging task, which allows users to specify particular attributes of the generated outputs. In this paper, we propose a controllable dialogue generation model to steer response generation under multi-attribute constraints. Specifically, we define and categorize the commonly used control attributes into global and local ones, which possess different granularities of effects on response generation. Then, we significantly extend the conventional seq2seq framework by introducing a novel two-stage decoder, which first uses a multi-grained style specification layer to impose the stylistic constraints and determine word-level control states of responses based on the attributes, and then employs a response generation layer to generate final responses maintaining both semantic relevancy to the contexts and fidelity to the attributes. Furthermore, we train our model with an attribute consistency reward to promote response control with explicit supervision signals. Extensive experiments and in-depth analyses on two datasets indicate that our model can significantly outperform competitive baselines in terms of response quality, content diversity and controllability.
• Abstract（参考訳）: 制御可能なテキスト生成は魅力的だが難しいタスクであり、ユーザーは生成された出力の特定の属性を指定できる。 本稿では,多属性制約下での応答生成のための制御可能な対話生成モデルを提案する。 具体的には、一般的に使用される制御属性を、応答生成に異なる影響の粒度を持つ大域的および局所的な属性に分類する。 次に,2段階のデコーダを新たに導入することにより,従来のセク2セックフレームワークを大幅に拡張する。これはまず,多層化スタイルの仕様層を用いてスタイリスティックな制約を課し,その属性に基づいて応答のワードレベル制御状態を判定し,次に応答生成層を用いて,属性の文脈と忠実性の両方に意味的関連性を維持する最終応答を生成する。 さらに,明示的な監視信号による応答制御を促進するために,属性整合性報酬を用いてモデルを訓練する。 2つのデータセットに関する広範な実験と詳細な分析は、我々のモデルは、応答品質、コンテンツの多様性、および制御可能性の観点から、競合ベースラインを大幅に上回ることができることを示している。

関連論文リスト

• Evaluating the Smooth Control of Attribute Intensity in Text Generation with LLMs [36.89780636600556]
  大規模言語モデル(LLM)はテキスト生成に革命をもたらした。 生成したテキストの属性強度の範囲,キャリブレーション,一貫性を評価する指標を提案する。
  論文  参考訳（メタデータ） (2024-06-06T19:35:51Z)
• Continuous, Subject-Specific Attribute Control in T2I Models by Identifying Semantic Directions [21.371773126590874]
  一般に使われているトークンレベルのCLIPテキスト埋め込みには,テキスト・ツー・イメージ・モデルにおける高レベル属性の微粒な主観的制御を可能にする方向が存在することを示す。 コントラッシブテキストプロンプトから特定の属性に対するこれらの方向を識別する,効率的な最適化自由度とロバストな最適化ベース手法を1つ導入する。
  論文  参考訳（メタデータ） (2024-03-25T18:00:42Z)
• Fine-grained Controllable Video Generation via Object Appearance and Context [74.23066823064575]
  細粒度制御可能なビデオ生成法(FACTOR)を提案する。 FACTORは、オブジェクトの位置とカテゴリを含む、オブジェクトの外観とコンテキストを制御することを目的としている。 本手法は,オブジェクトの外観を微調整せずに制御し,オブジェクトごとの最適化作業を省く。
  論文  参考訳（メタデータ） (2023-12-05T17:47:33Z)
• Seen to Unseen: Exploring Compositional Generalization of Multi-Attribute Controllable Dialogue Generation [23.79168163871952]
  既存の制御可能な対話生成作業は、単一属性制御に焦点を当てている。 本稿では, プロンプトベースで制御不能な対話生成モデルDCGを提案する。
  論文  参考訳（メタデータ） (2023-06-17T10:50:19Z)
• MacLaSa: Multi-Aspect Controllable Text Generation via Efficient Sampling from Compact Latent Space [110.85888003111653]
  マルチアスペクト制御可能なテキスト生成は、複数の望ましい属性を同時に持つ流動文を生成することを目的としている。 マルチアスペクト制御のための新しいアプローチ、すなわちMacLaSaを導入し、複数の側面に対してコンパクトな潜在空間を推定する。 また,MacLaSaは,高い推論速度を維持しつつ,属性関連性やテキスト品質を高いベースラインで向上させることを示す。
  論文  参考訳（メタデータ） (2023-05-22T07:30:35Z)
• Dual Semantic Knowledge Composed Multimodal Dialog Systems [114.52730430047589]
  本稿では,MDS-S2という新しいマルチモーダルタスク指向対話システムを提案する。 コンテキスト関連属性と関係知識を知識ベースから取得する。 また、合成された応答表現から意味情報を抽出するために、潜在クエリ変数のセットを考案する。
  論文  参考訳（メタデータ） (2023-05-17T06:33:26Z)
• Semantic Space Grounded Weighted Decoding for Multi-Attribute Controllable Dialogue Generation [41.23970507903113]
  本稿では,重み付き復号法で強い制御性を持つDASCという新しいフレームワークを提案する。 複数属性の生成は、複数の属性の埋め込みの発話で直感的に実装される。 実験の結果,DASCは3つの側面を同時に制御することで,生成タスクにおいて高い制御精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-05-04T13:35:27Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• Progressive Open-Domain Response Generation with Multiple Controllable Attributes [13.599621571488033]
  本稿では,この課題に対処するために,漸進的に訓練された階層型バリデコーダを提案する。 PHEDはTransformerにConditional AutoEncoder (CVAE)をデプロイし、属性の1つの側面を1段階に含める。 PHEDは最先端のニューラルジェネレーションモデルを大きく上回り、期待通り多様な応答を生成する。
  論文  参考訳（メタデータ） (2021-06-07T08:48:39Z)
• A Controllable Model of Grounded Response Generation [122.7121624884747]
  現在のエンドツーエンドのニューラルネットワークモデルは、応答生成プロセスにセマンティックコントロールを課す柔軟性を本質的に欠いている。 我々は制御可能な接地応答生成(CGRG)と呼ばれるフレームワークを提案する。 このフレームワークを用いることで、会話のようなRedditデータセットでトレーニングされた、新しいインダクティブアテンション機構を備えたトランスフォーマーベースのモデルが、強力な生成ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2020-05-01T21:22:08Z)

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。