Fugu-MT 論文翻訳(概要): Persona Authentication through Generative Dialogue

論文の概要: Persona Authentication through Generative Dialogue

arxiv url: http://arxiv.org/abs/2110.12949v1
Date: Mon, 25 Oct 2021 13:37:48 GMT
ステータス: 処理完了
システム内更新日: 2021-10-26 14:35:42.687759
Title: Persona Authentication through Generative Dialogue
Title（参考訳）: 生成対話による個人認証
Authors: Fengyi Tang, Lifan Zeng, Fei Wang, Jiayu Zhou
Abstract要約: 我々は,ペルソナモデルの整合性を検証するために,会話ポリシーを学習する,ペルソナ認証の問題を定義し,検討する。学習目標を提案し,この目的の下で訓練された局所密度推定器がペルソナ情報と対話軌跡の相互情報を最大化することを示す。本研究では,パーソナライズされた質問を適応的に出力し,パートナーの持つペルソナを明らかにする認証モデルを学習する手法を開発した。
参考スコア（独自算出の注目度）: 31.69392173623805
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we define and investigate the problem of \emph{persona authentication}: learning a conversational policy to verify the consistency of persona models. We propose a learning objective and prove (under some mild assumptions) that local density estimators trained under this objective maximize the mutual information between persona information and dialog trajectory. Based on the proposed objective, we develop a method of learning an authentication model that adaptively outputs personalized questions to reveal the underlying persona of its partner throughout the course of multi-turn conversation. Experiments show that our authentication method discovers effective question sequences that generalize to unseen persona profiles.
Abstract（参考訳）: 本稿では,ペルソナモデルの整合性を検証するための会話ポリシーの学習という,emph{persona authentication}の問題を定義し,検討する。学習目標を提案し,この目的の下で訓練された局所密度推定器がペルソナ情報と対話軌道の相互情報を最大化することを示す。提案した目的に基づき,マルチターン会話を通じて,パーソナライズされた質問を適応的に出力し,相手の身元を明らかにする認証モデルを学習する手法を開発した。実験により,本手法は,未確認のペルソナプロファイルに一般化する有効な質問列を検出する。

関連論文リスト

Revisiting Self-supervised Learning of Speech Representation from a Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文参考訳（メタデータ） (2024-01-16T21:13:22Z)
RELIC: Investigating Large Language Model Responses using Self-Consistency [58.63436505595177]
LLM(Large Language Models)は、フィクションと事実を混同し、幻覚として知られる非事実コンテンツを生成することで有名である。本稿では,ユーザが生成したテキストの信頼性を把握できる対話型システムを提案する。
論文参考訳（メタデータ） (2023-11-28T14:55:52Z)
Speaker Profiling in Multiparty Conversations [31.518453682472575]
本研究では,会話における話者プロファイリング(SPC)の課題について検討する。 SPCの主な目的は、対話に存在する各話者について、ペルソナの特徴の要約を作成することである。 SPCの課題に対処するため、私たちはSPICEという名前の新しいデータセットをキュレートしました。
論文参考訳（メタデータ） (2023-04-18T08:04:46Z)
Towards Building a Personalized Dialogue Generator via Implicit User Persona Detection [0.0]
高品質なトランスミッションは基本的に、相手のペルソナを反映して構築されていると考えています。そこで本研究では,暗黙のユーザペルソナを検知する対話生成手法を提案する。
論文参考訳（メタデータ） (2022-04-15T08:12:10Z)
Learning to Predict Persona Information forDialogue Personalization without Explicit Persona Description [10.17868476063421]
対話エージェントをパーソナライズするために,対話履歴に基づいてペルソナ情報を予測する方法を提案する。 PersonaChatデータセットの実験結果から,提案手法は生成した応答の一貫性を向上させることができることがわかった。トレーニングされたペルソナ予測モデルは、他のデータセットにうまく転送することができ、より関連するレスポンスを生成するのに役立つ。
論文参考訳（メタデータ） (2021-11-30T03:19:24Z)
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)
Improving Factual Consistency Between a Response and Persona Facts [64.30785349238619]
応答生成のためのニューラルネットワークは、意味論的に妥当であるが、必ずしも話者のペルソナを記述する事実と矛盾しない応答を生成する。我々は,これらのモデルを強化学習により微調整し,応答とペルソナ事実の一貫性と意味的妥当性を明確に把握する効率的な報酬関数を提案する。
論文参考訳（メタデータ） (2020-04-30T18:08:22Z)
You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文参考訳（メタデータ） (2020-04-11T12:51:07Z)
A Corpus of Controlled Opinionated and Knowledgeable Movie Discussions for Training Neural Conversation Models [15.77024720697733]
映画討論の分野において,各対話が事前に特定された事実や意見に基づいている新しいラベル付き対話データセットを導入する。本研究は,参加者が与えられた事実と意見プロファイルに忠実に従属する上で,収集した対話を徹底的に検証し,この点の一般的な品質が高いことを確認する。我々は、このデータに基づいて訓練されたエンドツーエンドの自己注意デコーダモデルをベースラインとして導入し、意見応答を生成可能であることを示す。
論文参考訳（メタデータ） (2020-03-30T11:17:31Z)

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。