論文の概要: Dual Task Framework for Debiasing Persona-grounded Dialogue Dataset

• arxiv url: http://arxiv.org/abs/2202.05435v1
• Date: Fri, 11 Feb 2022 04:08:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-14 14:18:09.991168
• Title: Dual Task Framework for Debiasing Persona-grounded Dialogue Dataset
• Title（参考訳）: パーソナライズド対話データセットのデバイアスのためのデュアルタスクフレームワーク
• Authors: Minju Kim, Beong-woo Kwak, Youngwook Kim, Hong-in Lee, Seung-won Hwang, Jinyoung Yeo
• Abstract要約: 我々は、ペルソナ条件の対話エージェントを改善するために、データ中心のアプローチを導入する。 具体的には,2つのタスクの原始的双対構造を活用することで,対話データセット/エージェントを改善するための関連するペルソナを強化する。 Persona-Chat の実験により,本手法は訓練済みの LM よりも精度が 11.7 ポイント向上していることが示された。
• 参考スコア（独自算出の注目度）: 17.403065663306567
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a simple yet effective data-centric approach for the task of improving persona-conditioned dialogue agents. Prior model-centric approaches unquestioningly depend on the raw crowdsourced benchmark datasets such as Persona-Chat. In contrast, we aim to fix annotation artifacts in benchmarking, which is orthogonally applicable to any dialogue model. Specifically, we augment relevant personas to improve dialogue dataset/agent, by leveraging the primal-dual structure of the two tasks, predicting dialogue responses and personas based on each other. Experiments on Persona-Chat show that our approach outperforms pre-trained LMs by an 11.7 point gain in terms of accuracy.
• Abstract（参考訳）: 本稿では,ペルソナコンディショニングエージェントを改善するための,シンプルかつ効果的なデータ中心アプローチを提案する。 以前のモデル中心のアプローチは、Persona-Chatのような生のクラウドソースベンチマークデータセットに依存する。 対照的に私たちは,任意の対話モデルに直交するベンチマークにおいて,アノテーションアーチファクトの修正を目指している。 具体的には,2つのタスクの初歩的構造を活用し,対話応答とペルソナを相互に予測し,対話データセット/エージェントを改善するために,関連するペルソナを補強する。 Persona-Chat の実験により,本手法は訓練済みの LM よりも精度が 11.7 ポイント向上していることが示された。

関連論文リスト

• PersonalityChat: Conversation Distillation for Personalized Dialog Modeling with Facts and Traits [5.447308344436046]
  PersonalityChatは、人気のPersonaChatデータセットに基づいた合成会話データセットである。 生成対話モデルの特質に基づくパーソナライズには,性格特性ラベルが有効であることを示す。
  論文  参考訳（メタデータ） (2024-01-14T20:35:33Z)
• Towards Robust Personalized Dialogue Generation via Order-Insensitive Representation Regularization [20.722098595079945]
  本稿では,オーダ・インセンシティブ・ジェネレーション(ORIG)というモデルに依存しないフレームワークを提案する。 Persona-Chatデータセットの実験は,本手法の有効性と優位性を正当化するものである。
  論文  参考訳（メタデータ） (2023-05-22T07:24:29Z)
• Weakly Supervised Data Augmentation Through Prompting for Dialogue Understanding [103.94325597273316]
  本稿では,弱教師付きフィルタを適用して拡張品質を反復する手法を提案する。 我々は、デイリーダイアログにおける感情と行動の分類タスクと、Facebook Multilingual Task-Oriented Dialogueにおける意図の分類タスクについて評価した。 特にDailyDialogでは、真理データの10%を使用して、100%のデータを使用する現在の最先端モデルよりも優れています。
  論文  参考訳（メタデータ） (2022-10-25T17:01:30Z)
• 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)
• Learning to Predict Persona Information forDialogue Personalization without Explicit Persona Description [10.17868476063421]
  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。
  論文  参考訳（メタデータ） (2021-11-30T03:19:24Z)
• 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)
• 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。