論文の概要: Improving Multi-Party Dialogue Discourse Parsing via Domain Integration

• arxiv url: http://arxiv.org/abs/2110.04526v1
• Date: Sat, 9 Oct 2021 09:36:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 17:08:43.602193
• Title: Improving Multi-Party Dialogue Discourse Parsing via Domain Integration
• Title（参考訳）: ドメイン統合による多人数対話談話解析の改善
• Authors: Zhengyuan Liu, Nancy F. Chen
• Abstract要約: マルチパーティ会話は、対話的なターン間のセマンティックレベルの相関によって暗黙的に組織される。 対話談話分析は,基本談話単位間の係り受け構造と関係の予測に応用できる。 対話談話アノテーションを持つ既存のコーパスは、限られたサンプルサイズを持つ特定のドメインから収集される。
• 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: While multi-party conversations are often less structured than monologues and documents, they are implicitly organized by semantic level correlations across the interactive turns, and dialogue discourse analysis can be applied to predict the dependency structure and relations between the elementary discourse units, and provide feature-rich structural information for downstream tasks. However, the existing corpora with dialogue discourse annotation are collected from specific domains with limited sample sizes, rendering the performance of data-driven approaches poor on incoming dialogues without any domain adaptation. In this paper, we first introduce a Transformer-based parser, and assess its cross-domain performance. We next adopt three methods to gain domain integration from both data and language modeling perspectives to improve the generalization capability. Empirical results show that the neural parser can benefit from our proposed methods, and performs better on cross-domain dialogue samples.
• Abstract（参考訳）: マルチパーティ会話は、しばしばモノローグや文書よりも構造化されていないが、対話的なターン間の意味レベルの相関によって暗黙的に構成され、対話談話分析を用いて基本談話単位間の依存関係構造と関係を予測し、下流タスクに特徴豊富な構造情報を提供することができる。 しかし,対話談話アノテーションを付加した既存のコーパスは,サンプルサイズが限定された特定のドメインから収集され,ドメイン適応を伴わない入力対話に乏しいデータ駆動型アプローチのパフォーマンスが向上する。 本稿では,まずトランスフォーマーベースのパーサを導入し,そのクロスドメイン性能を評価する。 次に、一般化能力を改善するために、データおよび言語モデリングの観点からドメイン統合を得る3つの方法を採用する。 実験結果から,ニューラルパーサは提案手法の利点を享受でき,クロスドメイン対話のサンプルでの性能が向上した。

関連論文リスト

• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)
• Pre-training Multi-party Dialogue Models with Latent Discourse Inference [85.9683181507206]
  我々は、多人数対話の会話構造、すなわち、各発話が応答する相手を理解するモデルを事前訓練する。 ラベル付きデータを完全に活用するために,談話構造を潜在変数として扱い,それらを共同で推論し,談話認識モデルを事前学習することを提案する。
  論文  参考訳（メタデータ） (2023-05-24T14:06:27Z)
• Towards Domain-Independent Supervised Discourse Parsing Through Gradient Boosting [30.615883375573432]
  本稿では、談話解析におけるドメイン適応問題に直接対処する新しい、教師付きパラダイムを提案する。 具体的には、弱勾配分類器の段階モデルを用いて、ドメイン依存性を緩和するために設計された最初の完全教師付き談話フレームワークを紹介する。
  論文  参考訳（メタデータ） (2022-10-18T03:44:27Z)
• Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
  対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。 エージェントは対話とマニュアルの両方からタスクを学習する。 提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
  論文  参考訳（メタデータ） (2022-08-16T08:21:12Z)
• Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
  タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。 本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2022-02-28T20:18:12Z)
• FlowEval: A Consensus-Based Dialogue Evaluation Framework Using Segment Act Flows [63.116280145770006]
  本稿では,音声レベルからセグメントレベルへのダイアログ行為の拡張であるセグメントアクトを提案し,大規模データセットをクラウドソースする。 セグメントアクトフローを利用するために,セグメントアクションのシーケンスを評価のために,最初のコンセンサスに基づく対話評価フレームワークであるFlowEvalを開発した。
  論文  参考訳（メタデータ） (2022-02-14T11:37:20Z)
• Towards Transparent Interactive Semantic Parsing via Step-by-Step Correction [17.000283696243564]
  自然言語における予測論理形式を段階的に説明する対話型意味解析フレームワークについて検討する。 フレームワークのインスタンス化として,知識ベース(KBQA)に対する質問応答に注目した。 実験の結果,人間のフィードバックによる対話型フレームワークは,全体の解析精度を大幅に向上させる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-10-15T20:11:22Z)
• DialogueCSE: Dialogue-based Contrastive Learning of Sentence Embeddings [33.89889949577356]
  本稿では,対話型コントラスト学習手法であるDialogueCSEを提案する。 我々は,Microsoft Dialogue Corpus,Jing Dong Dialogue Corpus,E-Commerce Dialogue Corpusの3つの多ターン対話データセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-09-26T13:25:41Z)
• Dialogue-Based Relation Extraction [53.2896545819799]
  本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。 我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。 実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
  論文  参考訳（メタデータ） (2020-04-17T03:51:57Z)

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。