論文の概要: TODSum: Task-Oriented Dialogue Summarization with State Tracking
- arxiv url: http://arxiv.org/abs/2110.12680v1
- Date: Mon, 25 Oct 2021 06:53:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-26 14:14:53.552367
- Title: TODSum: Task-Oriented Dialogue Summarization with State Tracking
- Title（参考訳）: TODSum: 状態追跡によるタスク指向対話要約
- Authors: Lulu Zhao, Fujia Zheng, Keqing He, Weihao Zeng, Yuejie Lei, Huixing
Jiang, Wei Wu, Weiran Xu, Jun Guo, Fanyu Meng
- Abstract要約: タスク指向の対話要約データセット TODSum を大規模に導入する。
既存の作業と比較して、TODSumは深刻な分散情報問題に悩まされており、厳密な事実整合性を必要とする。
対話状態情報と対話履歴を統合するための状態認識型対話要約モデルを提案する。
- 参考スコア（独自算出の注目度）: 16.87549093925514
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous dialogue summarization datasets mainly focus on open-domain chitchat
dialogues, while summarization datasets for the broadly used task-oriented
dialogue haven't been explored yet. Automatically summarizing such
task-oriented dialogues can help a business collect and review needs to improve
the service. Besides, previous datasets pay more attention to generate good
summaries with higher ROUGE scores, but they hardly understand the structured
information of dialogues and ignore the factuality of summaries. In this paper,
we introduce a large-scale public Task-Oriented Dialogue Summarization dataset,
TODSum, which aims to summarize the key points of the agent completing certain
tasks with the user. Compared to existing work, TODSum suffers from severe
scattered information issues and requires strict factual consistency, which
makes it hard to directly apply recent dialogue summarization models.
Therefore, we introduce additional dialogue state knowledge for TODSum to
enhance the faithfulness of generated summaries. We hope a better understanding
of conversational content helps summarization models generate concise and
coherent summaries. Meanwhile, we establish a comprehensive benchmark for
TODSum and propose a state-aware structured dialogue summarization model to
integrate dialogue state information and dialogue history. Exhaustive
experiments and qualitative analysis prove the effectiveness of dialogue
structure guidance. Finally, we discuss the current issues of TODSum and
potential development directions for future work.
- Abstract（参考訳）: 従来の対話要約データセットは主にオープンドメインのchitchatダイアログに焦点を当てていたが、広く使われているタスク指向ダイアログの要約データセットはまだ検討されていない。
このようなタスク指向の対話を自動的に要約することは、ビジネスの収集とレビューがサービスを改善するのに役立つ。
さらに、従来のデータセットは高いROUGEスコアを持つ優れた要約を生成するためにより注意を払うが、対話の構造情報をほとんど理解せず、要約の事実性を無視する。
本稿では,公開タスク指向の対話要約データセットであるtodsumについて紹介する。
既存の作業と比較すると、TODSumは深刻な分散情報問題に悩まされており、厳密な事実整合性を必要とするため、最近の対話要約モデルを直接適用することは困難である。
そこで我々は,生成した要約の忠実度を高めるために,TODSumのための対話状態知識を導入する。
会話内容の理解を深めることで、要約モデルが簡潔で一貫性のある要約を生成することを期待する。
一方,TODSumの総合ベンチマークを構築し,対話状態情報と対話履歴を統合するための状態認識型構造化対話要約モデルを提案する。
実験と質的分析により,対話構造指導の有効性が証明された。
最後に,TODSumの現状と今後の開発方向性について論じる。
関連論文リスト
- Increasing faithfulness in human-human dialog summarization with Spoken Language Understanding tasks [0.0]
本稿では,タスク関連情報を組み込むことによって,要約処理の促進を図ることを提案する。
その結果,タスク関連情報とモデルを統合することで,単語の誤り率が異なる場合でも要約精度が向上することがわかった。
論文 参考訳（メタデータ） (2024-09-16T08:15:35Z) - SuperDialseg: A Large-scale Dataset for Supervised Dialogue Segmentation [55.82577086422923]
文書地上対話の助けを借りて,対話のセグメンテーションポイントを実現可能な定義を提供する。
我々は,9,478の対話を含むSuperDialsegと呼ばれる大規模教師付きデータセットをリリースする。
また、対話セグメンテーションタスクの5つのカテゴリにまたがる18のモデルを含むベンチマークも提供する。
論文 参考訳（メタデータ） (2023-05-15T06:08:01Z) - FCC: Fusing Conversation History and Candidate Provenance for Contextual
Response Ranking in Dialogue Systems [53.89014188309486]
複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。
会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
論文 参考訳（メタデータ） (2023-03-31T23:58:28Z) - DIONYSUS: A Pre-trained Model for Low-Resource Dialogue Summarization [127.714919036388]
DIONYSUSは、任意の新しいドメインでの対話を要約するための訓練済みエンコーダデコーダモデルである。
実験の結果,DIONYSUSは6つのデータセット上で既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2022-12-20T06:21:21Z) - Enhancing Semantic Understanding with Self-supervised Methods for
Abstractive Dialogue Summarization [4.226093500082746]
本稿では,対話要約モデルを訓練するための欠点を補う自己教師型手法を提案する。
我々の原理は,対話文表現の文脈化能力を高めるために,前文対話文を用いて不整合情報の流れを検出することである。
論文 参考訳（メタデータ） (2022-09-01T07:51:46Z) - HybriDialogue: An Information-Seeking Dialogue Dataset Grounded on
Tabular and Textual Data [87.67278915655712]
我々は、ウィキペディアのテキストとテーブルの両方を基盤とした、クラウドソーシングされた自然な会話からなる新しい対話データセットHybriDialogueを提示する。
これらの会話は、複雑なマルチホップ質問をシンプルで現実的なマルチターン対話に分解することで生成される。
論文 参考訳（メタデータ） (2022-04-28T00:52:16Z) - 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) - Dialogue Inspectional Summarization with Factual Inconsistency Awareness [34.97845384948336]
非事前学習・事前学習環境下での対話検査要約(DIS)の現実的矛盾問題について検討する。
2つの補助的なタスクを伴って、革新的なエンドツーエンドの対話要約生成フレームワークを提案する。
包括的実験により、提案モデルにより、現実的な側面を正確に網羅したより読みやすい要約が生成できることが示されている。
論文 参考訳（メタデータ） (2021-11-05T06:26:22Z) - CSDS: A Fine-grained Chinese Dataset for Customer Service Dialogue
Summarization [44.21084429627218]
CSDS (Customer Service Dialogue Summarization) のための新しい中国語データセットについて紹介する。
CSDSは,(1)対話全体の全体的要約に加えて,異なる話者の視点を得るための役割指向要約も提供する。
CSDSの様々な要約手法を比較し,実験結果から,既存の手法は冗長で一貫性の低い要約を生成する傾向にあることが示された。
論文 参考訳（メタデータ） (2021-08-30T11:56:58Z) - Topic-Oriented Spoken Dialogue Summarization for Customer Service with
Saliency-Aware Topic Modeling [61.67321200994117]
顧客サービスシステムでは、長い音声対話のための要約を作成することにより、対話要約はサービス効率を高めることができる。
本研究では,高度に抽象的な要約を生成するトピック指向の対話要約に注目した。
SATM(Saliency-Awareural topic Model)と併用し,顧客サービス対話のトピック指向要約を目的とした,新しいトピック拡張型2段階対話要約器(TDS)を提案する。
論文 参考訳（メタデータ） (2020-12-14T07:50:25Z)
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。