論文の概要: User Satisfaction Estimation with Sequential Dialogue Act Modeling in
Goal-oriented Conversational Systems
- arxiv url: http://arxiv.org/abs/2202.02912v1
- Date: Mon, 7 Feb 2022 02:50:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-09 05:10:19.933128
- Title: User Satisfaction Estimation with Sequential Dialogue Act Modeling in
Goal-oriented Conversational Systems
- Title（参考訳）: ゴール指向対話システムにおける逐次対話行動モデルを用いたユーザ満足度推定
- Authors: Yang Deng, Wenxuan Zhang, Wai Lam, Hong Cheng, Helen Meng
- Abstract要約: 我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。
USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。
4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
- 参考スコア（独自算出の注目度）: 65.88679683468143
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: User Satisfaction Estimation (USE) is an important yet challenging task in
goal-oriented conversational systems. Whether the user is satisfied with the
system largely depends on the fulfillment of the user's needs, which can be
implicitly reflected by users' dialogue acts. However, existing studies often
neglect the sequential transitions of dialogue act or rely heavily on annotated
dialogue act labels when utilizing dialogue acts to facilitate USE. In this
paper, we propose a novel framework, namely USDA, to incorporate the sequential
dynamics of dialogue acts for predicting user satisfaction, by jointly learning
User Satisfaction Estimation and Dialogue Act Recognition tasks. In specific,
we first employ a Hierarchical Transformer to encode the whole dialogue
context, with two task-adaptive pre-training strategies to be a second-phase
in-domain pre-training for enhancing the dialogue modeling ability. In terms of
the availability of dialogue act labels, we further develop two variants of
USDA to capture the dialogue act information in either supervised or
unsupervised manners. Finally, USDA leverages the sequential transitions of
both content and act features in the dialogue to predict the user satisfaction.
Experimental results on four benchmark goal-oriented dialogue datasets across
different applications show that the proposed method substantially and
consistently outperforms existing methods on USE, and validate the important
role of dialogue act sequences in USE.
- Abstract（参考訳）: ユーザ満足度推定(USE)は,目標指向の対話システムにおいて重要な課題である。
ユーザがシステムに満足しているかは,ユーザニーズの満足度に大きく依存するが,ユーザの対話行為によって暗黙的に反映される。
しかし,既存の研究は,対話行為の逐次的推移を無視したり,注釈付き対話行為ラベルに強く依存したりすることがしばしばある。
本稿では,ユーザ満足度推定と対話行為認識タスクを共同で学習することにより,ユーザ満足度を予測するための対話行為の逐次的ダイナミクスを取り入れた新しいフレームワーク,USDAを提案する。
具体的には、まず階層型トランスフォーマーを用いて対話コンテキスト全体を符号化し、2つのタスク適応型事前学習戦略を用いて対話モデリング能力を高めるための第2フェーズのドメイン内事前学習を行う。
対話行為ラベルの可利用性の観点からは,さらに2種類のusdaを開発し,対話行為情報を教師なしあるいは教師なしのマナーで捉えた。
最後に、USDAはユーザー満足度を予測するために、対話中のコンテンツと行動機能の連続的な遷移を利用する。
異なるアプリケーションにまたがる4つの目標指向対話データセットのベンチマーク実験結果から,提案手法は既存のUSE手法よりも実質的に一貫した性能を示し,USEにおける対話行動シーケンスの重要な役割を検証した。
関連論文リスト
- 'No' Matters: Out-of-Distribution Detection in Multimodality Long Dialogue [3.971267935825097]
本稿では,OOD対話と画像の効率よく検出することで,複数ラウンドの長い対話を含むユーザエクスペリエンスを向上させることを目的とする。
本稿では,視覚言語モデルと新たなスコアを統合したDIAEF(Dialogue Image Aligning and Enhancing Framework)を提案する。
論文 参考訳（メタデータ） (2024-10-31T12:45:54Z) - Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。
これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。
本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文 参考訳（メタデータ） (2023-10-31T14:12:07Z) - Enhancing Large Language Model Induced Task-Oriented Dialogue Systems
Through Look-Forward Motivated Goals [76.69419538047813]
ProToDアプローチは、将来の対話行動を予測し、ToDシステムを強化するためにゴール指向の報酬シグナルを組み込む。
本稿では,目標駆動型対話シミュレーションに基づくToDシステム評価手法を提案する。
また,MultiWoZ 2.1データセットを用いた実験により,データの10%しか利用せず,優れた性能が得られることを示した。
論文 参考訳（メタデータ） (2023-09-16T10:56:00Z) - Dialog-to-Actions: Building Task-Oriented Dialogue System via
Action-Level Generation [7.110201160927713]
本稿では,アクションレベル生成によるタスク指向対話システムを提案する。
具体的には、まず大規模な対話から対話行動を構築し、対話行動のシーケンスとして各自然言語(NL)応答を表現する。
本研究では,対話履歴を入力とし,対話行動のシーケンスを出力するシーケンス・ツー・シーケンスモデルを訓練する。
論文 参考訳（メタデータ） (2023-04-03T11:09:20Z) - Dialog Acts for Task-Driven Embodied Agents [10.275619475149433]
エージェントは自然言語の理解タスク記述で対話し、適切なフォローアップ質問をすることができる必要がある。
このような対話をモデル化するためのダイアログのセットを提案し、3000以上のタスク指向の会話を含むTEAChデータセットに注釈を付ける。
この注釈付きデータセットを、与えられた発話のダイアログ動作にタグ付けし、ダイアログ履歴を与えられた次の応答のダイアログ動作を予測する訓練モデルに使用し、ダイアログ動作を使用してエージェントの非ダイアログ動作をガイドする。
論文 参考訳（メタデータ） (2022-09-26T18:41:28Z) - Act-Aware Slot-Value Predicting in Multi-Domain Dialogue State Tracking [5.816391291790977]
対話状態追跡(DST)は、人間と機械の相互作用を追跡し、対話を管理するための状態表現を生成することを目的としている。
機械読解の最近の進歩は、対話状態追跡のための分類型と非分類型のスロットの両方を予測する。
我々は対話行為を定式化し、機械読解の最近の進歩を活用し、対話状態追跡のためのカテゴリー型と非カテゴリ型の両方のスロットを予測する。
論文 参考訳（メタデータ） (2022-08-04T05:18:30Z) - UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented
Dialogues [59.499965460525694]
上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。
我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。
我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
論文 参考訳（メタデータ） (2021-10-15T11:56:47Z) - 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) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳（メタデータ） (2020-04-17T03:51:57Z)
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。