論文の概要: Partner Personas Generation for Diverse Dialogue Generation

• arxiv url: http://arxiv.org/abs/2111.13833v1
• Date: Sat, 27 Nov 2021 06:54:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-04 15:07:44.114472
• Title: Partner Personas Generation for Diverse Dialogue Generation
• Title（参考訳）: 対話生成のためのパートナーペルソナ生成
• Authors: Hongyuan Lu, Wai Lam, Hong Cheng, Helen M. Meng
• Abstract要約: 以前の作品は、主に自己ペルソナに焦点を当てており、パートナーペルソナの価値を見落としている。 本稿では, パートナーペルソナ自動生成を活用した新しい枠組みを提供することにより, これらの課題に対処しようとする。 我々は、報酬判断のために、強化学習を専門的に設計された批評家ネットワークに組み込む。
• 参考スコア（独自算出の注目度）: 32.54532490162688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Incorporating personas information allows diverse and engaging responses in dialogue response generation. Unfortunately, prior works have primarily focused on self personas and have overlooked the value of partner personas. Moreover, in practical applications, the availability of ground truth partner personas is often not the case. This paper attempts to tackle these issues by offering a novel framework that leverages automatic partner personas generation to enhance the succeeding dialogue generation. We incorporate reinforcement learning with a dedicatedly designed critic network for reward judgement. Experimental results from both automatic and human evaluation demonstrate a) Our framework is capable of generating relevant, informative and coherent partner personas, even compared to the ground truth partner personas. b) Generated partner personas enhance the succeeding response generation, thus surpassing our baselines and comparison model when partner personas are missing during the inference stage. c) Our framework generates responses that are more informative and engaging than our baseline conditioned on the ground truth partner personas during inference. d) Our dedicatedly designed critic network reinforces our framework effectively. Finally, our framework gives better explainability and reduces the demands for external databases for partner personas.
• Abstract（参考訳）: ペルソナ情報を組み込むことで、対話応答生成における多様で魅力的な応答が可能になる。 残念ながら、以前の作品は主に自己ペルソナに焦点を当てており、パートナーペルソナの価値を見落としている。 さらに,実践的応用においては,真理パートナーペルソナが利用できることはしばしばない。 本稿では,対話生成の促進に自動パートナーペルソナ生成を活用する新しいフレームワークを提供することにより,これらの課題に対処しようとする。 報酬判断のための強化学習を,特別に設計された批判ネットワークに組み込む。 自動評価と人間評価の両方による実験結果 a) 基礎的真理パートナーペルソナと比較しても,関連し,情報的かつ一貫性のあるパートナペルソナを生成することができる。 b) 生成したパートナーペルソナは、後続の応答生成を強化し、推論段階でパートナーペルソナが欠落したときのベースラインおよび比較モデルを超えます。 c)本フレームワークは,推論中に真実のパートナーペルソナを前提としたベースラインよりも,より情報的かつ活発な応答を生成する。 d) 専門的に設計された批評家ネットワークは,我々の枠組みを効果的に強化する。 最後に、我々のフレームワークは、より良い説明可能性を提供し、パートナーペルソナの外部データベースに対する要求を減らします。

関連論文リスト

• PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded Dialogue Systems [59.1250765143521]
  現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。 我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。 対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
  論文  参考訳（メタデータ） (2023-09-19T08:27:09Z)
• Covering Uncommon Ground: Gap-Focused Question Generation for Answer Assessment [75.59538732476346]
  このようなギャップに着目した質問(GFQ)を自動生成する問題に着目する。 タスクを定義し、優れたGFQの所望の側面を強調し、これらを満たすモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-06T22:21:42Z)
• "You might think about slightly revising the title": identifying hedges in peer-tutoring interactions [1.0466434989449724]
  ヘッジは会話の相互作用の管理において重要な役割を果たす。 我々は、ヘッジを特定するための計算フレームワークを構築するために、マルチモーダルなピアチューニングデータセットを使用する。 我々は、ピアチューニング会話でヘッジを特徴付ける特徴を探索するために、モデル説明可能性ツールを使用します。
  論文  参考訳（メタデータ） (2023-06-18T12:47:54Z)
• Partner Matters! An Empirical Study on Fusing Personas for Personalized Response Selection in Retrieval-Based Chatbots [51.091235903442715]
  本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。 4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。 Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
  論文  参考訳（メタデータ） (2021-05-19T10:32:30Z)
• Mitigating Gender Bias for Neural Dialogue Generation with Adversarial Learning [44.69720475052093]
  本稿では,性別バイアスを伴わない対話モデルを学習するための,新たな逆学習フレームワークであるDebiased-Chatを提案する。 本フレームワークは,応答品質を維持しながら,対話モデルの性別バイアスを大幅に低減する。
  論文  参考訳（メタデータ） (2020-09-28T02:46:59Z)
• Enhancing Dialogue Generation via Multi-Level Contrastive Learning [57.005432249952406]
  質問に対する応答のきめ細かい品質をモデル化するマルチレベルコントラスト学習パラダイムを提案する。 Rank-aware (RC) ネットワークはマルチレベルコントラスト最適化の目的を構築するために設計されている。 本研究では,知識推論(KI)コンポーネントを構築し,学習中の参照からキーワードの知識を抽出し,そのような情報を活用して情報的単語の生成を促す。
  論文  参考訳（メタデータ） (2020-09-19T02:41:04Z)
• EnsembleGAN: Adversarial Learning for Retrieval-Generation Ensemble Model on Short-Text Conversation [37.80290058812499]
  アンサンブルGANは、オープンドメイン会話シナリオにおいて、検索世代アンサンブルモデルを強化するための逆学習フレームワークである。 言語モデルのようなジェネレータ、ランカジェネレータ、ランカディミネーターで構成されている。
  論文  参考訳（メタデータ） (2020-04-30T05:59:12Z)
• 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)

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。