論文の概要: Learning to Predict Persona Information forDialogue Personalization without Explicit Persona Description

• arxiv url: http://arxiv.org/abs/2111.15093v1
• Date: Tue, 30 Nov 2021 03:19:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 05:09:09.430113
• Title: Learning to Predict Persona Information forDialogue Personalization without Explicit Persona Description
• Title（参考訳）: 明示的なペルソナ記述を伴わない対話型パーソナライゼーションのためのペルソナ情報予測学習
• Authors: Wangchunshu Zhou, Qifei Li, Chenle Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.17868476063421
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalizing dialogue agents is important for dialogue systems to generate more specific, consistent, and engaging responses. However, most current dialogue personalization approaches rely on explicit persona descriptions during inference, which severely restricts its application. In this paper, we propose a novel approach that learns to predict persona information based on the dialogue history to personalize the dialogue agent without relying on any explicit persona descriptions during inference. Experimental results on the PersonaChat dataset show that the proposed method can improve the consistency of generated responses when conditioning on the predicted profile of the dialogue agent (i.e. "self persona"), and improve the engagingness of the generated responses when conditioning on the predicted persona of the dialogue partner (i.e. "their persona"). We also find that a trained persona prediction model can be successfully transferred to other datasets and help generate more relevant responses.
• Abstract（参考訳）: 対話エージェントのパーソナライズは、対話システムがより具体的で一貫性があり、係わる応答を生成するために重要である。 しかし、現在の対話のパーソナライゼーションのアプローチのほとんどは、推論中の明示的なペルソナ記述に依存している。 本稿では,対話履歴に基づいてペルソナ情報を予測し,推論中に明示的なペルソナ記述に頼ることなく,対話エージェントをパーソナライズする手法を提案する。 PersonaChatデータセットにおける実験結果から,提案手法は対話エージェントの予測されたプロファイル(「自己ペルソナ」)に条件付けする際の生成応答の整合性を改善し,対話相手の予測されたペルソナ(「自己ペルソナ」)に条件付けする際の生成応答の係合性を向上させることができることがわかった。 また、トレーニングされたペルソナ予測モデルを他のデータセットに転送して、より関連性の高い応答を生成するのにも役立ちます。

関連論文リスト

• PersonaPKT: Building Personalized Dialogue Agents via Parameter-efficient Knowledge Transfer [15.069834404982243]
  PersonaPKTは、明示的なペルソナ記述なしでペルソナ一貫性のある対話モデルを構築することができる軽量なトランスファー学習アプローチである。 ペルソナを連続ベクトルとして表現することにより、ペルソナ固有の特徴を直接少数の対話サンプルから学習する。 実証実験の結果,ペルソナPKTは,高ストレージ効率のパーソナライズされたDAを効果的に構築できることが示された。
  論文  参考訳（メタデータ） (2023-06-13T20:47:29Z)
• WHAT, WHEN, and HOW to Ground: Designing User Persona-Aware Conversational Agents for Engaging Dialogue [4.328280329592151]
  本稿では,WWH問題に対処するオープンドメイン対話システムを構築する方法を提案する。 提案手法は、重み付けされたデータセットブレンディング、ネガティブなペルソナ情報拡張方法、パーソナライズされた会話データセットの設計を含む。 本研究は,対話の流速と接地傾向のバランスを効果的に保ちつつ,接地応答の制御性と説明性を向上させるための応答型ラベルを導入する。
  論文  参考訳（メタデータ） (2023-06-06T02:28:38Z)
• Less is More: Learning to Refine Dialogue History for Personalized Dialogue Generation [57.73547958927826]
  我々は,対話履歴をより多く処理し,より正確なペルソナ情報を得ることのできる,ユーザ対話履歴を大規模に洗練することを提案する。 具体的には、3つの個人情報精算器とパーソナライズされた応答生成器で構成されるMSPモデルを設計する。
  論文  参考訳（メタデータ） (2022-04-18T02:02:56Z)
• 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)
• DLVGen: A Dual Latent Variable Approach to Personalized Dialogue Generation [28.721411816698563]
  本稿では,パーソナライズされた対話を生成するDual Latent Variable Generator (DLVGen)を提案する。 以前の研究とは異なり、DLVGenは潜在的な応答に対する潜伏分布と、エージェントの潜在的なペルソナに対する潜伏分布をモデル化している。 実験の結果,DLVGenはエージェントのペルソナを正確に組み込んだ多様な応答を生成できることがわかった。
  論文  参考訳（メタデータ） (2021-11-22T17:21:21Z)
• Unsupervised Enrichment of Persona-grounded Dialog with Background Stories [27.52543925693796]
  既存の物語データセットの架空の物語を活用することにより、対話モデルにペルソナに関連する「背景物語」を付与する。 我々は、勾配に基づく書き直し手法を用いて対話応答を生成するために、検索されたストーリーの教師なし適応を行う。 提案手法は, より多様な応答を生成でき, 人間の評価者により, より活発で人間らしく評価されている。
  論文  参考訳（メタデータ） (2021-06-15T18:20:27Z)
• 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)
• 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)
• Will I Sound Like Me? Improving Persona Consistency in Dialogues through Pragmatic Self-Consciousness [62.55060760615656]
  一貫性に対処する最近のモデルは、しばしば追加の自然言語推論(NLI)ラベルでトレーニングするか、あるいは一貫性を維持するためにトレーニングされた追加モジュールを生成エージェントにアタッチする。 社会的認知と実用性に触発されて、私たちは既存の対話エージェントに、想像上のリスナーを通して、公的な自己意識を持たせました。 我々のアプローチは、Rational Speech Actsフレームワークに基づいて、会話エージェントに矛盾の発声を控えるように強制することができる。
  論文  参考訳（メタデータ） (2020-04-13T08:16:16Z)
• 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 Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
  Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。