論文の概要: Controllable Neural Dialogue Summarization with Personal Named Entity Planning

• arxiv url: http://arxiv.org/abs/2109.13070v1
• Date: Mon, 27 Sep 2021 14:19:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:33:16.561737
• Title: Controllable Neural Dialogue Summarization with Personal Named Entity Planning
• Title（参考訳）: 個人名付きエンティティプランニングによる制御可能なニューラル対話要約
• Authors: Zhengyuan Liu, Nancy F. Chen
• Abstract要約: 本稿では、個人名付きエンティティプランニングによる対話要約をガイドできる制御可能なニューラルジェネレーションフレームワークを提案する。 条件列を変調して、要約を形成する際の情報の種類や視点を決定する。
• 参考スコア（独自算出の注目度）: 25.805553277418813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a controllable neural generation framework that can flexibly guide dialogue summarization with personal named entity planning. The conditional sequences are modulated to decide what types of information or what perspective to focus on when forming summaries to tackle the under-constrained problem in summarization tasks. This framework supports two types of use cases: (1) Comprehensive Perspective, which is a general-purpose case with no user-preference specified, considering summary points from all conversational interlocutors and all mentioned persons; (2) Focus Perspective, positioning the summary based on a user-specified personal named entity, which could be one of the interlocutors or one of the persons mentioned in the conversation. During training, we exploit occurrence planning of personal named entities and coreference information to improve temporal coherence and to minimize hallucination in neural generation. Experimental results show that our proposed framework generates fluent and factually consistent summaries under various planning controls using both objective metrics and human evaluations.
• Abstract（参考訳）: 本稿では,個人名付きエンティティプランニングによる対話要約を柔軟にガイドできる制御可能なニューラルネットワークフレームワークを提案する。 条件列を変調して、要約タスクにおいて制約の少ない問題に対処するために要約を形成する際の情報の種類や視点を決定する。 本フレームワークは,(1) 対話型インターロケータと言及したすべての人物の要約点を考慮し, 一般用途のパースペクティブ・パースペクティブ(包括的パースペクティブ) ; (2) 対話中のインターロケータの1つあるいは1人の人物の1つとして, ユーザ指定のパーソナライズされたパーソナライズされたエンティティをベースとしたパーソナライズ・パースペクティブ(包括的パースペクティブ) 。 学習中,個人名付きエンティティの出現計画とコリファレンス情報を活用し,時間的コヒーレンスを改善し,神経発生における幻覚を最小化する。 実験の結果,提案フレームワークは,客観的指標と人的評価の両方を用いて,様々な計画管理の下で,流動的で現実的に一貫した要約を生成することがわかった。

関連論文リスト

• Personalized Topic Selection Model for Topic-Grounded Dialogue [24.74527189182273]
  現在のモデルは、ユーザに興味がなく、文脈的に無関係なトピックを予測する傾向があります。 我々はtextbfTopic-grounded textbfDialogue のための textbfPersonalized topic stextbfElection model を提案する。 提案手法は,多種多様な応答を生成でき,最先端のベースラインを達成できる。
  論文  参考訳（メタデータ） (2024-06-04T06:09:49Z)
• SWING: Balancing Coverage and Faithfulness for Dialogue Summarization [67.76393867114923]
  本稿では,自然言語推論(NLI)モデルを用いて,事実の不整合を回避し,カバレッジを向上させることを提案する。 我々は、NLIを用いて詳細なトレーニング信号を計算し、モデルがカバーされていない参照サマリーのコンテンツを生成することを奨励する。 DialogSumおよびSAMSumデータセットの実験により,提案手法の有効性が確認された。
  論文  参考訳（メタデータ） (2023-01-25T09:33:11Z)
• Human-in-the-loop Abstractive Dialogue Summarization [61.4108097664697]
  我々は、異なるレベルの人間のフィードバックをトレーニングプロセスに組み込むことを提案する。 これにより、モデルをガイドして、人間が要約に用いている振る舞いを捉えることができます。
  論文  参考訳（メタデータ） (2022-12-19T19:11:27Z)
• Improving Personality Consistency in Conversation by Persona Extending [22.124187337032946]
  本稿では,Persona Retrieval Model(PRM)とPosterior-Scored Transformer(PS-Transformer)の2つのサブコンポーネントからなる新しい検索・予測パラダイムを提案する。 提案モデルでは,自動測定と人的評価の両面で大幅に改善されている。
  論文  参考訳（メタデータ） (2022-08-23T09:00:58Z)
• Aspect-Controllable Opinion Summarization [58.5308638148329]
  アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。 レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。 合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
  論文  参考訳（メタデータ） (2021-09-07T16:09:17Z)
• Controllable Abstractive Dialogue Summarization with Sketch Supervision [56.59357883827276]
  本モデルは,最大50.79のROUGE-Lスコアを持つ最大対話要約コーパスSAMSumの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-05-28T19:05:36Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
  本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。 我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
  論文  参考訳（メタデータ） (2020-10-26T21:34:39Z)

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。