論文の概要: Towards Handling Unconstrained User Preferences in Dialogue
- arxiv url: http://arxiv.org/abs/2109.08650v1
- Date: Fri, 17 Sep 2021 17:14:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-20 15:24:12.766599
- Title: Towards Handling Unconstrained User Preferences in Dialogue
- Title(参考訳): 対話における制約のないユーザ嗜好の取り扱い
- Authors: Suraj Pandey, Svetlana Stoyanchev, Rama Doddipatla
- Abstract要約: 我々は、ユーザが制約のない好みを指定する柔軟性を持つ、より自然な情報ナビゲーション対話インタフェースを構想する。
ユーザ要求に関連するエンティティを識別するために,構造化されていない知識からの情報検索を提案する。
- 参考スコア(独自算出の注目度): 8.306243030060205
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A user input to a schema-driven dialogue information navigation system, such
as venue search, is typically constrained by the underlying database which
restricts the user to specify a predefined set of preferences, or slots,
corresponding to the database fields. We envision a more natural information
navigation dialogue interface where a user has flexibility to specify
unconstrained preferences that may not match a predefined schema. We propose to
use information retrieval from unstructured knowledge to identify entities
relevant to a user request. We update the Cambridge restaurants database with
unstructured knowledge snippets (reviews and information from the web) for each
of the restaurants and annotate a set of query-snippet pairs with a relevance
label. We use the annotated dataset to train and evaluate snippet relevance
classifiers, as a proxy to evaluating recommendation accuracy. We show that
with a pretrained transformer model as an encoder, an unsupervised/supervised
classifier achieves a weighted F1 of .661/.856.
- Abstract(参考訳): 場所探索のようなスキーマ駆動の対話情報ナビゲーションシステムに入力されるユーザは通常、データベースフィールドに対応する予め定義された好みのセットまたはスロットを指定することを制限する基礎となるデータベースによって制限される。
ユーザが予め定義されたスキーマにマッチしない制約のない好みを指定する柔軟性を持つ、より自然な情報ナビゲーション対話インターフェースを想定する。
ユーザ要求に関連するエンティティを識別するために,構造化されていない知識からの情報検索を提案する。
我々は、ケンブリッジのレストランデータベースを、各レストランについて構造化されていない知識スニペット(Webからのレビューと情報)で更新し、関連ラベルと一連のクエリスニペットペアに注釈を付ける。
アノテーション付きデータセットを用いてスニペット関連分類器の訓練と評価を行い、推奨精度を評価する。
プリトレーニングトランスモデルをエンコーダとして、教師なし/教師なし分類器が.661/.856の重み付けf1を達成することを示す。
関連論文リスト
- Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳(メタデータ) (2024-03-07T02:34:54Z) - Towards Open-Domain Topic Classification [69.21234350688098]
ユーザが定義した分類をリアルタイムで受け入れるオープンドメイントピック分類システムを導入する。
ユーザは、任意の候補ラベルに対してテキストスニペットを分類し、Webインターフェースから即座にレスポンスを受け取ることができます。
論文 参考訳(メタデータ) (2023-06-29T20:25:28Z) - Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳(メタデータ) (2023-05-08T21:48:17Z) - CGoDial: A Large-Scale Benchmark for Chinese Goal-oriented Dialog
Evaluation [75.60156479374416]
CGoDialは、Goal指向のダイアログ評価のための、新しい挑戦的で包括的な中国のベンチマークである。
96,763のダイアログセッションと574,949のダイアログがすべて含まれており、異なる知識ソースを持つ3つのデータセットをカバーする。
学術ベンチマークと音声対話のシナリオのギャップを埋めるために、実際の会話からデータを収集したり、クラウドソーシングを通じて既存のデータセットに音声機能を追加する。
論文 参考訳(メタデータ) (2022-11-21T16:21:41Z) - INSPIRED2: An Improved Dataset for Sociable Conversational
Recommendation [5.837881923712394]
自然言語のユーザと対話する会話レコメンデータシステム(CRS)は、ペア化された人間の助けを借りて収集されたレコメンデーションダイアログを利用する。
CRSは、ダイアログに現れ、通常ドメインの知識を活用する、明示的に注釈付けされたアイテムやエンティティに依存します。
本研究では,会話レコメンデーションのためのレコメンデーションダイアログからなるデータセットであるINSPIREDについて検討する。
論文 参考訳(メタデータ) (2022-08-08T12:51:30Z) - What is wrong with you?: Leveraging User Sentiment for Automatic Dialog
Evaluation [73.03318027164605]
本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。
本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
論文 参考訳(メタデータ) (2022-03-25T22:09:52Z) - Multi-stage Clarification in Conversational AI: The case of
Question-Answering Dialogue Systems [0.27998963147546135]
対話型質問応答や会話型検索など,様々な情報検索タスクにおいて,明確化の解決が重要な役割を担っている。
そこで本稿では,質問応答対話システムのコンテキストにおいて,質問の明確化とクエリ選択を促すための多段階的明確化機構を提案する。
提案手法は,ユーザエクスペリエンス全体の改善と,競合するベースラインを2つのデータセットで比較する。
論文 参考訳(メタデータ) (2021-10-28T15:45:44Z) - The Stereotyping Problem in Collaboratively Filtered Recommender Systems [77.56225819389773]
行列分解に基づく協調フィルタリングアルゴリズムは,ある種のステレオタイピングを誘導することを示す。
一般のユーザ層では、テキストセットの好みが反相関性がある場合、これらの項目は、ユーザーには推奨されない。
本稿では,各ユーザの多様な利害関係を捉えるために,代替的なモデリング修正を提案する。
論文 参考訳(メタデータ) (2021-06-23T18:37:47Z) - ARTA: Collection and Classification of Ambiguous Requests and Thoughtful
Actions [35.557857101679296]
ヒューマンアシストシステムは、曖昧なユーザリクエストに対して、慎重に適切なアクションを取らなければならない。
あいまいなユーザリクエストを対応するシステムアクションに分類するモデルを開発する。
実験により,PU学習法は一般的な正負学習法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-06-15T09:28:39Z) - Category Aware Explainable Conversational Recommendation [15.904530647091237]
リアルタイムのカテゴリベースの会話推奨アプローチを紹介します。
まず,説明可能なユーザモデルを,項目のカテゴリに対する嗜好の形で実施する。
次に、カテゴリの好みを使ってアイテムを推奨します。
論文 参考訳(メタデータ) (2021-03-15T21:45:13Z) - Interactive Question Clarification in Dialogue via Reinforcement
Learning [36.746578601398866]
本来のクエリの改良を提案することにより,曖昧な質問を明確にする強化モデルを提案する。
モデルは、深いポリシーネットワークで強化学習を使用して訓練されます。
実世界のユーザクリックに基づいてモデルを評価し,大幅な改善を示す。
論文 参考訳(メタデータ) (2020-12-17T06:38:04Z)
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。