Fugu-MT 論文翻訳(概要): C3KG: A Chinese Commonsense Conversation Knowledge Graph

論文の概要: C3KG: A Chinese Commonsense Conversation Knowledge Graph

arxiv url: http://arxiv.org/abs/2204.02549v1
Date: Wed, 6 Apr 2022 02:59:34 GMT
ステータス: 処理完了
システム内更新日: 2022-04-07 14:16:04.033367
Title: C3KG: A Chinese Commonsense Conversation Knowledge Graph
Title（参考訳）: C3KG: 中国の常識会話知識グラフ
Authors: Dawei Li and Yanran Li and Jiayi Zhang and Ke Li and Chen Wei and Jianwei Cui and Bin Wang
Abstract要約: 我々は,社会常識知識と対話フロー情報の両方を取り入れた,中国初の会話知識グラフを作成する。グラフのポテンシャルを示すため、グラフ対話マッチング手法を開発し、2つのグラフ基底会話タスクをベンチマークする。
参考スコア（独自算出の注目度）: 30.463238390443117
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Existing commonsense knowledge bases often organize tuples in an isolated manner, which is deficient for commonsense conversational models to plan the next steps. To fill the gap, we curate a large-scale multi-turn human-written conversation corpus, and create the first Chinese commonsense conversation knowledge graph which incorporates both social commonsense knowledge and dialog flow information. To show the potential of our graph, we develop a graph-conversation matching approach, and benchmark two graph-grounded conversational tasks.
Abstract（参考訳）: 既存のコモンセンス知識ベースは、しばしば孤立した方法でタプルを編成するが、これは次のステップを計画するためのコモンセンスの会話モデルには不十分である。このギャップを埋めるために,多変量多変量対話コーパスを収集し,ソーシャル・コモンセンス知識と対話フロー情報を組み合わせた最初の中国語コモンセンス会話知識グラフを作成する。グラフのポテンシャルを示すため、グラフ対話マッチング手法を開発し、2つのグラフ基底会話タスクをベンチマークする。

関連論文リスト

Generative Subgraph Retrieval for Knowledge Graph-Grounded Dialog Generation [17.437568540883106]
ダイアログGSR(Generative Subgraph Retrieval)を用いたダイアログ生成を提案する。 DialogGSRは、言語モデル上にトークンシーケンスを直接生成することで、関連する知識サブグラフを取得する。 OpenDialKGとKOMODISデータセットで示されるように、知識グラフ基底ダイアログ生成における最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2024-10-12T03:33:42Z)
Retrieval-Augmented Neural Response Generation Using Logical Reasoning and Relevance Scoring [2.3590037806133024]
本稿では,知識基底型応答生成に対する新しいアプローチを提案する。検索強化された言語モデルと論理的推論を組み合わせる。実験結果から,(確率的)論理的推論と会話関連性スコアの組合せは,応答の事実性と流布性の両方を増大させることが示された。
論文参考訳（メタデータ） (2023-10-20T15:05:18Z)
Multi-grained Hypergraph Interest Modeling for Conversational Recommendation [75.65483522949857]
複雑な履歴データの下でユーザの興味を捉えるために, マルチグラデーション・ハイパーグラフ・インフォメーション・モデリング手法を提案する。提案手法では,まず,ユーザの過去の対話セッションをモデル化し,セッションベースハイパーグラフを作成するためにハイパーグラフ構造を用いる。さらに,2種類のハイパーグラフに対して多粒度ハイパーグラフの畳み込みを行い,拡張表現を用いて関心を意識したCRSを開発する。
論文参考訳（メタデータ） (2023-05-04T13:13:44Z)
PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue Model [79.64376762489164]
PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。 PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。 PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
論文参考訳（メタデータ） (2023-04-02T18:23:13Z)
GraphWOZ: Dialogue Management with Conversational Knowledge Graphs [2.938377447673471]
本稿では,対話状態のコア表現として会話知識グラフを用いた対話管理手法を提案する。我々は、人間の参加者が受付係として働くロボットと対話するウィザード・オブ・オズの対話を含む新しいデータセット、GraphWOZを導入する。
論文参考訳（メタデータ） (2022-11-23T10:53:21Z)
Knowledge-Grounded Conversational Data Augmentation with Generative Conversational Networks [76.11480953550013]
生成会話ネットワークを用いて会話データを自動的に生成する。我々は、Topical Chatデータセット上で、知識のない会話に対するアプローチを評価した。
論文参考訳（メタデータ） (2022-07-22T22:37:14Z)
Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文参考訳（メタデータ） (2022-03-20T17:51:49Z)
Alquist 3.0: Alexa Prize Bot Using Conversational Knowledge Graph [0.9236074230806579]
本稿では,Alexa Prize 2020コンペティションで開発されたオープンドメイン対話システムAlquistの第3版を紹介する。主な貢献は、会話の知識グラフと隣接ペアに基づくシステムの導入である。本稿では,Alquistのパイプライン,データ取得と処理,対話マネージャ,NLG,知識集約,隣接ペアの階層について論じる。
論文参考訳（メタデータ） (2020-11-06T10:10:02Z)
GRADE: Automatic Graph-Enhanced Coherence Metric for Evaluating Open-Domain Dialogue Systems [133.13117064357425]
自動対話評価のためのグラフ強調表現のための新しい評価指標GRADEを提案する。具体的には、対話コヒーレンスを評価するために、粗粒度発話レベルの文脈化表現と細粒度トピックレベルのグラフ表現の両方を組み込んでいる。実験の結果,GRADEは多様な対話モデルの測定において,他の最先端の指標よりも優れていた。
論文参考訳（メタデータ） (2020-10-08T14:07:32Z)
Language Generation with Multi-Hop Reasoning on Commonsense Knowledge Graph [124.45799297285083]
知識グラフの構造的情報と意味的情報の両方を活用することで、コモンセンスを意識したテキスト生成が促進されると主張している。本稿では,外部コモンセンス知識グラフから抽出したマルチリレーショナルパスに基づいて,動的マルチホップ推論を用いた事前学習モデルを実現するマルチホップ推論フロー(GRF)の生成を提案する。
論文参考訳（メタデータ） (2020-09-24T13:55:32Z)
Dialogue Relation Extraction with Document-level Heterogeneous Graph Attention Networks [21.409522845011907]
対話関係抽出(DRE)は,多人数対話で言及される2つのエンティティ間の関係を検出することを目的としている。本稿では,グラフが有意に接続された話者,エンティティ,エンティティタイプ,発話ノードを含むDREのためのグラフ注意ネットワーク方式を提案する。このグラフに基づくアプローチは,対話における異なるエンティティペア間の関係を効果的に捉え,最先端のアプローチよりも優れていることを実証的に示す。
論文参考訳（メタデータ） (2020-09-10T18:51:48Z)

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。