Fugu-MT 論文翻訳(概要): CSAGN: Conversational Structure Aware Graph Network for Conversational Semantic Role Labeling

論文の概要: CSAGN: Conversational Structure Aware Graph Network for Conversational Semantic Role Labeling

arxiv url: http://arxiv.org/abs/2109.11541v1
Date: Thu, 23 Sep 2021 07:47:28 GMT
ステータス: 処理完了
システム内更新日: 2021-09-27 14:29:29.939226
Title: CSAGN: Conversational Structure Aware Graph Network for Conversational Semantic Role Labeling
Title（参考訳）: CSAGN:対話型セマンティックロールラベリングのための対話型構造認識グラフネットワーク
Authors: Han Wu, Kun Xu, Linqi Song
Abstract要約: この問題に対処することを目的とした,CSRLのためのシンプルで効果的なアーキテクチャを提案する。本モデルは,話者依存情報を明示的に符号化する対話型構造認識グラフネットワークに基づいている。
参考スコア（独自算出の注目度）: 27.528361001332264
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Conversational semantic role labeling (CSRL) is believed to be a crucial step towards dialogue understanding. However, it remains a major challenge for existing CSRL parser to handle conversational structural information. In this paper, we present a simple and effective architecture for CSRL which aims to address this problem. Our model is based on a conversational structure-aware graph network which explicitly encodes the speaker dependent information. We also propose a multi-task learning method to further improve the model. Experimental results on benchmark datasets show that our model with our proposed training objectives significantly outperforms previous baselines.
Abstract（参考訳）: 対話的意味的役割ラベリング(csrl)は対話理解への重要なステップであると考えられている。しかし、既存のCSRLパーサが会話構造情報を扱うことは依然として大きな課題である。本稿では,この問題に対処するために,csrlの簡易かつ効果的なアーキテクチャを提案する。本モデルは,話者依存情報を明示的にエンコードする対話型構造認識グラフネットワークに基づいている。また,モデルをさらに改善するためのマルチタスク学習手法を提案する。評価実験の結果,提案したトレーニング目標を用いたモデルでは,従来のベースラインよりも有意に優れていた。

関連論文リスト

Integrating Self-supervised Speech Model with Pseudo Word-level Targets from Visually-grounded Speech Model [57.78191634042409]
擬似単語レベルのターゲットを学習プロセスに統合するフレームワークであるPseudo-Word HuBERT(PW-HuBERT)を提案する。 4つの音声言語理解(SLU)ベンチマークによる実験結果から,意味情報の収集におけるモデルの有用性が示唆された。
論文参考訳（メタデータ） (2024-02-08T16:55:21Z)
History Semantic Graph Enhanced Conversational KBQA with Temporal Information Modeling [28.27368343751272]
会話履歴における長距離意味的依存関係を効果的にモデル化できる履歴意味グラフ拡張KBQAモデル(HSGE)を提案する。複雑な逐次質問応答のためのベンチマークデータセットを用いてHSGEを評価した。
論文参考訳（メタデータ） (2023-06-12T05:10:58Z)
Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文参考訳（メタデータ） (2023-05-04T16:04:41Z)
UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文参考訳（メタデータ） (2022-12-02T04:08:09Z)
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)
Zero-shot Cross-lingual Conversational Semantic Role Labeling [30.28068025468505]
ゼロショットクロスランガルCSRLを実現するための効果的な手法を提案する。本モデルは,階層エンコーダを用いた言語に依存しない,対話型構造認識,意味的にリッチな表現を暗黙的に学習する。英語における質問文書き直しタスクや,英語,ドイツ語,日本語における多方向対話応答生成タスクなど,中国語以外の会話タスクに対するCSRLの有用性を確認した。
論文参考訳（メタデータ） (2022-04-11T07:29:39Z)
Conversational Query Rewriting with Self-supervised Learning [36.392717968127016]
Conversational Query Rewriting (CQR) は、会話クエリを自己完結した発話に明示的に書き換えることによって、マルチターン対話を単一ターン問題に単純化することを目的としている。既存のアプローチは、アノテートに労働集約的な大規模な教師付きトレーニングデータに依存している。我々は,人間のアノテーションを必要としない自己教師付き学習により,大規模CQRデータセットを自動構築することを提案する。
論文参考訳（メタデータ） (2021-02-09T08:57:53Z)
Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
論文参考訳（メタデータ） (2020-10-24T08:11:23Z)
Semantic Role Labeling Guided Multi-turn Dialogue ReWriter [63.07073750355096]
意味的役割ラベル付け(SRL)を用いて、誰が誰に何をしたかのコアセマンティック情報を強調することを提案する。実験の結果、この情報は従来の最先端システムよりも優れていたRoBERTaベースのモデルを大幅に改善することが示された。
論文参考訳（メタデータ） (2020-10-03T19:50:04Z)
Enhancing Dialogue Generation via Multi-Level Contrastive Learning [57.005432249952406]
質問に対する応答のきめ細かい品質をモデル化するマルチレベルコントラスト学習パラダイムを提案する。 Rank-aware (RC) ネットワークはマルチレベルコントラスト最適化の目的を構築するために設計されている。本研究では,知識推論(KI)コンポーネントを構築し,学習中の参照からキーワードの知識を抽出し,そのような情報を活用して情報的単語の生成を促す。
論文参考訳（メタデータ） (2020-09-19T02:41:04Z)

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。