論文の概要: Gaining Insights into Unrecognized User Utterances in Task-Oriented
Dialog Systems
- arxiv url: http://arxiv.org/abs/2204.05158v1
- Date: Mon, 11 Apr 2022 14:45:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 20:56:21.389556
- Title: Gaining Insights into Unrecognized User Utterances in Task-Oriented
Dialog Systems
- Title（参考訳）: タスク指向対話システムにおける未認識ユーザ発話の獲得
- Authors: Ella Rabinovich, Matan Vetzler, David Boaz, Vineet Kumar, Gaurav
Pandey, Ateret Anaby-Tavor
- Abstract要約: 本稿では,特定のクラスタリングアルゴリズムを含む,未認識のユーザ発話を処理するエンドツーエンドパイプラインを提案する。
提案したクラスタリングアルゴリズムを評価し,その性能を外部SOTAソリューションと比較した。
- 参考スコア（独自算出の注目度）: 6.09284941695878
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapidly growing market demand for dialogue agents capable of
goal-oriented behavior has caused many tech-industry leaders to invest
considerable efforts into task-oriented dialog systems. The performance and
success of these systems is highly dependent on the accuracy of their intent
identification -- the process of deducing the goal or meaning of the user's
request and mapping it to one of the known intents for further processing.
Gaining insights into unrecognized utterances -- user requests the systems
fails to attribute to a known intent -- is therefore a key process in
continuous improvement of goal-oriented dialog systems.
We present an end-to-end pipeline for processing unrecognized user
utterances, including a specifically-tailored clustering algorithm, a novel
approach to cluster representative extraction, and cluster naming. We evaluated
the proposed clustering algorithm and compared its performance to
out-of-the-box SOTA solutions, demonstrating its benefits in the analysis of
unrecognized user requests.
- Abstract（参考訳）: 目標指向行動が可能な対話エージェントの市場需要が急速に高まり、多くの技術系リーダーがタスク指向対話システムに多大な投資をしている。
これらのシステムのパフォーマンスと成功は、ユーザの要求の目標や意味を推論し、さらに処理するための既知の意図の1つにマッピングするプロセスである、意図の同定の正確さに大きく依存している。未認識の発話に対する洞察を得る -- システムが既知の意図を原因としないユーザ要求 -- は、目標指向の対話システムの継続的な改善における重要なプロセスである。
本稿では、特定のクラスタリングアルゴリズム、クラスタ代表抽出に対する新しいアプローチ、クラスタ命名を含む、未認識の発話を処理するエンドツーエンドパイプラインを提案する。
提案したクラスタリングアルゴリズムを評価し,その性能を既定のSOTAソリューションと比較し,未認識ユーザ要求の分析においてその利点を実証した。
関連論文リスト
- Retrieval Augmentation via User Interest Clustering [57.63883506013693]
インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。
本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。
当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
論文 参考訳（メタデータ） (2024-08-07T16:35:10Z) - Tell Me More! Towards Implicit User Intention Understanding of Language
Model Driven Agents [110.25679611755962]
現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。
Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。
私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
論文 参考訳（メタデータ） (2024-02-14T14:36:30Z) - IntentDial: An Intent Graph based Multi-Turn Dialogue System with
Reasoning Path Visualization [24.888848712778664]
本稿では,グラフに基づくマルチターン対話システムを提案する。
強化学習を用いて、グラフから意図要素と標準クエリを識別することで、ユーザの意図を識別する。
論文 参考訳（メタデータ） (2023-10-18T09:21:37Z) - PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded
Dialogue Systems [59.1250765143521]
現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。
我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。
対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
論文 参考訳（メタデータ） (2023-09-19T08:27:09Z) - 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) - Investigating the Combination of Planning-Based and Data-Driven Methods
for Goal Recognition [7.620967781722714]
現実の環境での2つの最先端計画に基づく計画認識手法の適用について検討する。
このようなアプローチは、人間の行動が完全に合理的ではないため、人間の目標を認識する上では困難であることを示す。
本研究では,観察行動データに基づいて学習した分類に基づく手法により,既存の手法の拡張を提案する。
論文 参考訳（メタデータ） (2023-01-13T15:24:02Z) - Discovering Customer-Service Dialog System with Semi-Supervised Learning
and Coarse-to-Fine Intent Detection [6.869753194843482]
タスク指向ダイアログは,マルチターン会話による特定の目標達成を支援することを目的としている。
教師/学生のパラダイムに基づいた弱教師付きデータセットを構築した。
また,ユーザ意図を検出するために,モジュール型対話システムと粗粒度分類を統合した。
論文 参考訳（メタデータ） (2022-12-23T14:36:43Z) - Target-Guided Dialogue Response Generation Using Commonsense and Data
Augmentation [32.764356638437214]
ターゲット誘導応答生成のための新しい手法を提案する。
また,既存の対話データセットをターゲット誘導生成のために再利用する手法を提案する。
我々の作業は、一般的に、対話システムの設計者が、システムが生み出す会話をより制御できるようにします。
論文 参考訳（メタデータ） (2022-05-19T04:01:40Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。
これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。
本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
論文 参考訳（メタデータ） (2020-06-19T20:49:14Z)
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。