論文の概要: ValueNet: A New Dataset for Human Value Driven Dialogue System

• arxiv url: http://arxiv.org/abs/2112.06346v1
• Date: Sun, 12 Dec 2021 23:02:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-14 15:14:28.182452
• Title: ValueNet: A New Dataset for Human Value Driven Dialogue System
• Title（参考訳）: ValueNet: 人間の価値駆動対話システムのための新しいデータセット
• Authors: Liang Qiu, Yizhou Zhao, Jinchao Li, Pan Lu, Baolin Peng, Jianfeng Gao, Song-Chun Zhu
• Abstract要約: 本稿では,21,374のテキストシナリオに対する人間の態度を含む,ValueNetという大規模人的価値データセットを提案する。 総合的な経験的結果は、学習された価値モデルが幅広い対話作業に有用であることを示している。 ValueNetは、人間の価値モデリングのための最初の大規模テキストデータセットである。
• 参考スコア（独自算出の注目度）: 103.2044265617704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building a socially intelligent agent involves many challenges, one of which is to teach the agent to speak guided by its value like a human. However, value-driven chatbots are still understudied in the area of dialogue systems. Most existing datasets focus on commonsense reasoning or social norm modeling. In this work, we present a new large-scale human value dataset called ValueNet, which contains human attitudes on 21,374 text scenarios. The dataset is organized in ten dimensions that conform to the basic human value theory in intercultural research. We further develop a Transformer-based value regression model on ValueNet to learn the utility distribution. Comprehensive empirical results show that the learned value model could benefit a wide range of dialogue tasks. For example, by teaching a generative agent with reinforcement learning and the rewards from the value model, our method attains state-of-the-art performance on the personalized dialog generation dataset: Persona-Chat. With values as additional features, existing emotion recognition models enable capturing rich human emotions in the context, which further improves the empathetic response generation performance in the EmpatheticDialogues dataset. To the best of our knowledge, ValueNet is the first large-scale text dataset for human value modeling, and we are the first one trying to incorporate a value model into emotionally intelligent dialogue systems. The dataset is available at https://liang-qiu.github.io/ValueNet/.
• Abstract（参考訳）: 社会的にインテリジェントなエージェントを構築するには、多くの課題が伴う。 しかし、価値駆動のチャットボットは、まだ対話システムの分野では未熟である。 既存のデータセットのほとんどは、常識推論や社会規範モデリングに焦点を当てている。 本稿では,21,374のテキストシナリオに対する人間の態度を含む,valuenetと呼ばれる新しい大規模人的価値データセットを提案する。 データセットは、文化間研究における基本的人間価値理論に適合する10の次元に分けられる。 ユーティリティ分布を学習するために,ValueNet 上で Transformer ベースの値回帰モデルを開発した。 包括的実証実験の結果,学習価値モデルは幅広い対話タスクに有益であることがわかった。 例えば、強化学習による生成エージェントの指導と値モデルからの報酬により、パーソナライズされたダイアログ生成データセットであるペルソナチャット上での最先端のパフォーマンスを実現する。 付加的な機能として、既存の感情認識モデルでは、コンテキスト内の豊かな人間の感情を捉えることができ、empatheticdialoguesデータセットの共感応答生成性能がさらに向上する。 私たちの知る限りでは、ValueNetは人間の価値モデリングのための最初の大規模テキストデータセットであり、感情的にインテリジェントな対話システムにバリューモデルを組み込もうとする最初の試みです。 データセットはhttps://liang-qiu.github.io/valuenet/で利用可能である。

関連論文リスト

• Towards a Zero-Data, Controllable, Adaptive Dialog System [27.75972750138208]
  ダイアログツリーから直接データを生成するアプローチについて検討する。 合成データで訓練されたエージェントは、人間のデータで訓練されたモデルに匹敵するダイアログを達成できることを示す。
  論文  参考訳（メタデータ） (2024-03-26T10:45:11Z)
• DialogZoo: Large-Scale Dialog-Oriented Task Learning [52.18193690394549]
  我々は,多種多様な対話課題を解くための統合基盤モデルの構築を目指している。 この目的を達成するために、73の公開データセットから、まず大規模なラベル付き対話データセットを収集する。
  論文  参考訳（メタデータ） (2022-05-25T11:17:16Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• A Model-Agnostic Data Manipulation Method for Persona-based Dialogue Generation [107.82729587882397]
  現在のペルソナベースの対話データセットのスケールアップには費用がかかる。 このタスクの各データサンプルは、従来の対話データよりも複雑である。 本稿では,ペルソナをベースとした対話生成モデルにおいて,モデルに依存しないデータ操作手法を提案する。
  論文  参考訳（メタデータ） (2022-04-21T03:49:54Z)
• A Taxonomy of Empathetic Response Intents in Human Social Conversations [1.52292571922932]
  自然言語処理コミュニティでは、オープンドメインの会話エージェントがますます人気を高めている。 課題のひとつは、共感的な方法で会話できるようにすることです。 現在のニューラルレスポンス生成手法は、大規模な会話データからエンドツーエンドの学習のみに頼って対話を生成する。 近年,対話act/intentモデリングとニューラルレスポンス生成を組み合わせることが期待されている。
  論文  参考訳（メタデータ） (2020-12-07T21:56:45Z)
• Deploying Lifelong Open-Domain Dialogue Learning [48.12600947313494]
  本研究では,オープンドメインファンタジーの世界にある学習エージェントと人間プレイヤーが会話するロールプレイングゲームを構築し,展開する。 自動メトリクスとオンラインエンゲージメントスコアから,ゲーム中の人間との会話に関するモデルをトレーニングすることで,モデルを段階的に改善することを示す。 この学習は、実際のユーザとの会話に適用した場合のクラウドソースデータよりも効率的であり、収集するコストもはるかに安い。
  論文  参考訳（メタデータ） (2020-08-18T17:57:26Z)
• Aligning AI With Shared Human Values [85.2824609130584]
  私たちは、正義、幸福、義務、美徳、常識道徳の概念にまたがる新しいベンチマークであるETHICSデータセットを紹介します。 現在の言語モデルは、基本的な人間の倫理的判断を予測できる有望だが不完全な能力を持っている。 私たちの研究は、今日の機械倫理の進歩を示しており、人間の価値観に合わせたAIへの足掛かりを提供する。
  論文  参考訳（メタデータ） (2020-08-05T17:59:16Z)
• Recipes for building an open-domain chatbot [44.75975649076827]
  良い会話には、会話のポイントとパートナーに耳を傾け、知識、共感、パーソナリティを適切に表示する必要がある。 適切なトレーニングデータと生成戦略を選択すると、大規模なモデルでこれらのスキルを習得できることが示される。 私たちは90M、2.7B、9.4Bのパラメータモデルでこれらのレシピの変種を構築し、モデルとコードを公開しています。
  論文  参考訳（メタデータ） (2020-04-28T16:33:25Z)

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。