論文の概要: Amendable Generation for Dialogue State Tracking
- arxiv url: http://arxiv.org/abs/2110.15659v1
- Date: Fri, 29 Oct 2021 10:02:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-01 14:14:02.860517
- Title: Amendable Generation for Dialogue State Tracking
- Title(参考訳): 対話状態追跡のための修正可能生成
- Authors: Xin Tian, Liankai Huang, Yingzhan Lin, Siqi Bao, Huang He, Yunyi Yang,
Hua Wu, Fan Wang, Shuqi Sun
- Abstract要約: 対話状態追跡のための新しい修正可能生成法(AG-DST)を提案する。
AG−DSTは、現在のターンと前のダイアログ状態の対話に基づいてプリミティブなダイアログ状態を生成し、第1パスからプリミティブなダイアログ状態を修正する。
実験の結果, AG-DSTは2つのアクティブDSTデータセットにおいて, 従来よりも有意に優れていた。
- 参考スコア(独自算出の注目度): 21.473261418818737
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In task-oriented dialogue systems, recent dialogue state tracking methods
tend to perform one-pass generation of the dialogue state based on the previous
dialogue state. The mistakes of these models made at the current turn are prone
to be carried over to the next turn, causing error propagation. In this paper,
we propose a novel Amendable Generation for Dialogue State Tracking (AG-DST),
which contains a two-pass generation process: (1) generating a primitive
dialogue state based on the dialogue of the current turn and the previous
dialogue state, and (2) amending the primitive dialogue state from the first
pass. With the additional amending generation pass, our model is tasked to
learn more robust dialogue state tracking by amending the errors that still
exist in the primitive dialogue state, which plays the role of reviser in the
double-checking process and alleviates unnecessary error propagation.
Experimental results show that AG-DST significantly outperforms previous works
in two active DST datasets (MultiWOZ 2.2 and WOZ 2.0), achieving new
state-of-the-art performances.
- Abstract(参考訳): タスク指向対話システムでは、最近の対話状態追跡手法は、前の対話状態に基づいて対話状態のワンパス生成を行う傾向がある。
これらのモデルの現在のターンでの誤りは次のターンに渡される傾向があり、エラーの伝播を引き起こす。
本稿では,(1)現在と前の対話状態の対話に基づいて原始対話状態を生成すること,(2)第一パスから原始対話状態を更新すること,という2パス生成プロセスを含む,新たな対話状態追跡のための修正可能な世代を提案する。
追加の更新生成パスでは、プリミティブな対話状態にあるエラーを補正することで、より堅牢な対話状態追跡を学習し、二重チェックプロセスにおけるリバイザの役割を担い、不要なエラーの伝播を軽減する。
実験の結果、AG-DSTは2つのアクティブDSTデータセット(MultiWOZ 2.2 と WOZ 2.0)で過去の成果を著しく上回り、新しい最先端の性能を達成した。
関連論文リスト
- EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
多人数対話では、応答発話の宛先を生成前に指定する必要がある。
本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
論文 参考訳(メタデータ) (2023-05-21T09:22:41Z) - Controllable Mixed-Initiative Dialogue Generation through Prompting [50.03458333265885]
混合開始対話タスクには、情報の繰り返し交換と会話制御が含まれる。
エージェントは、ポリシープランナーが定める特定の対話意図や戦略に従う応答を生成することにより、コントロールを得る。
標準的なアプローチは、これらの意図に基づいて生成条件を実行するために、訓練済みの言語モデルを微調整している。
代わりに、条件生成の微調整に代えて、大きな言語モデルをドロップインで置き換えるように促します。
論文 参考訳(メタデータ) (2023-05-06T23:11:25Z) - Dialogue State Distillation Network with Inter-Slot Contrastive Learning
for Dialogue State Tracking [25.722458066685046]
対話状態追跡(DST)は,対話履歴からユーザの意図を抽出することを目的としている。
現在、既存のほとんどのアプローチはエラーの伝播に悩まされており、関連する情報を動的に選択することはできない。
本稿では,従来の対話状態の関連情報を活用するために,対話状態蒸留ネットワーク(DSDN)を提案する。
論文 参考訳(メタデータ) (2023-02-16T11:05:24Z) - Beyond the Granularity: Multi-Perspective Dialogue Collaborative
Selection for Dialogue State Tracking [18.172993687706708]
対話状態追跡においては、対話履歴は重要な材料であり、その利用法は異なるモデルによって異なる。
状態更新のために各スロットに対応する対話内容を動的に選択するDiCoS-DSTを提案する。
提案手法は,MultiWOZ 2.1およびMultiWOZ 2.2上での最先端性能を実現し,複数の主流ベンチマークデータセット上での優れた性能を実現する。
論文 参考訳(メタデータ) (2022-05-20T10:08:45Z) - In-Context Learning for Few-Shot Dialogue State Tracking [55.91832381893181]
In-context (IC) Learning framework for few-shot dialogue state tracking (DST)を提案する。
大規模な事前訓練言語モデル(LM)は、テストインスタンスといくつかの注釈付き例を入力として取り、パラメータの更新なしに直接対話状態をデコードする。
これにより、LMは、新しいドメインやシナリオに適応する際の、以前の数ショットのDST作業と比べて、より柔軟でスケーラブルになります。
論文 参考訳(メタデータ) (2022-03-16T11:58:24Z) - Dialogue Summaries as Dialogue States (DS2), Template-Guided
Summarization for Few-shot Dialogue State Tracking [16.07100713414678]
DST(Few-shot dialogue state tracking)は、この問題に対する現実的な解決策である。
本稿では,対話状態追跡を対話要約問題として再検討する。
論文 参考訳(メタデータ) (2022-03-03T07:54:09Z) - Dialogue State Tracking with Multi-Level Fusion of Predicted Dialogue
States and Conversations [2.6529642559155944]
予測対話状態と会話ネットワークの多レベル融合による対話状態追跡を提案する。
本モデルでは,各発話,対応する最終対話状態,対話スロット間の相互作用をモデル化することにより,各対話ターンに関する情報を抽出する。
論文 参考訳(メタデータ) (2021-07-12T02:30:30Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳(メタデータ) (2020-05-27T02:05:33Z) - Modeling Long Context for Task-Oriented Dialogue State Generation [51.044300192906995]
本稿では,シンプルで効果的な発話タグ付け手法と双方向言語モデルを用いたマルチタスク学習モデルを提案する。
提案手法は,入力対話コンテキストシーケンスが長い場合に,ベースラインの性能が著しく低下する,という問題を解決する。
本実験では,MultiWOZ 2.0データセットにおいて,ベースラインに対して7.03%の相対的改善を実現し,新しい最先端のジョイントゴール精度を52.04%に設定した。
論文 参考訳(メタデータ) (2020-04-29T11:02:25Z) - Efficient Context and Schema Fusion Networks for Multi-Domain Dialogue
State Tracking [32.36259992245]
対話状態追跡(DST)は、前回の会話のすべてから現在の対話状態を推定することを目的としている。
マルチドメインDSTでは、状態候補の数の増加と対話長の増加により、データ空間の問題が大きな障害となっている。
従来の対話状態(予測)と現在の対話発話をDSTの入力として利用する。
論文 参考訳(メタデータ) (2020-04-07T13:46:39Z) - Non-Autoregressive Dialog State Tracking [122.2328875457225]
非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。
NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。
以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
論文 参考訳(メタデータ) (2020-02-19T06:39:26Z)
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。