Fugu-MT 論文翻訳(概要): A Universality-Individuality Integration Model for Dialog Act Classification

論文の概要: A Universality-Individuality Integration Model for Dialog Act Classification

arxiv url: http://arxiv.org/abs/2204.06185v1
Date: Wed, 13 Apr 2022 06:05:34 GMT
ステータス: 処理完了
システム内更新日: 2022-04-14 12:23:07.688291
Title: A Universality-Individuality Integration Model for Dialog Act Classification
Title（参考訳）: 対話行為分類のための普遍性と個人性の統合モデル
Authors: Gao Pengfei and Ma Yinglong
Abstract要約: 対話法(DA)は、会話における話者発話の一般的な意図を明らかにする。本稿では, 単語キュー, パート・オブ・音声キュー, 統計キューが相互に補完し, 認識基盤を改善することを示唆する。 We propose a novel model based on universality and individuality strategy, called Universality-Individuality Integration Model (UIIM)。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dialog Act (DA) reveals the general intent of the speaker utterance in a conversation. Accurately predicting DAs can greatly facilitate the development of dialog agents. Although researchers have done extensive research on dialog act classification, the feature information of classification has not been fully considered. This paper suggests that word cues, part-of-speech cues and statistical cues can complement each other to improve the basis for recognition. In addition, the different types of the three lead to the diversity of their distribution forms, which hinders the mining of feature information. To solve this problem, we propose a novel model based on universality and individuality strategies, called Universality-Individuality Integration Model (UIIM). UIIM not only deepens the connection between the clues by learning universality, but also utilizes the learning of individuality to capture the characteristics of the clues themselves. Experiments were made over two most popular benchmark data sets SwDA and MRDA for dialogue act classification, and the results show that extracting the universalities and individualities between cues can more fully excavate the hidden information in the utterance, and improve the accuracy of automatic dialogue act recognition.
Abstract（参考訳）: 対話法(DA)は会話における話者発話の一般的な意図を明らかにする。 DAの正確な予測は、ダイアログエージェントの開発を大いに促進する。研究者はダイアログアクト分類について広範な研究を行ってきたが、分類の特徴情報は十分に検討されていない。本研究は, 単語の手がかり, 語尾の手がかり, 統計的手がかりが相互補完し, 認識の基礎を向上できることを示す。さらに、これら3種類の異なるタイプは分布形態の多様性をもたらし、特徴情報のマイニングを妨げている。そこで,本稿では,普遍性と個性戦略に基づく新しいモデル「普遍性と個人性統合モデル」(uiim)を提案する。 UIIMは, 手がかり間の関係を, 普遍性を学習することで深化させるだけでなく, 個人性の学習を利用して, 手がかり自体の特徴を捉えている。対話行為分類のための最も人気のあるベンチマークデータセットswdaとmdaを用いて実験を行い,提案手法の普遍性と個性を抽出することにより,発話中の隠れた情報をより徹底的に抽出し,自動対話行為認識の精度を向上させることができた。

関連論文リスト

A Bi-directional Multi-hop Inference Model for Joint Dialog Sentiment Classification and Act Recognition [25.426172735931463]
ダイアログ知覚分類(DSC)とアクト認識(DAR)の併用作業は,ダイアログ中の各発話に対する感情ラベルと行動ラベルを同時に予測することを目的としている。本稿では,リッチな感情を反復的に抽出・統合し,双方向で手掛かりを行動させる双方向マルチホップ推論モデル(BMIM)を提案する。 BMIMは、DARのF1スコアで少なくとも2.6%、DSCのF1スコアで1.4%、最先端のベースラインを上回っている。
論文参考訳（メタデータ） (2023-08-08T17:53:24Z)
SHINE: Syntax-augmented Hierarchical Interactive Encoder for Zero-shot Cross-lingual Information Extraction [47.88887327545667]
本研究では,構文拡張型階層型インタラクティブエンコーダ(SHINE)を提案する。 Shineは、特徴とコンテキスト情報の間の相補的な情報をインタラクティブにキャプチャすることができる。 3つのIEタスクと4つのベンチマークで7つの言語で実験を行い、提案手法の有効性と一般化能力を検証した。
論文参考訳（メタデータ） (2023-05-21T08:02:06Z)
CGoDial: A Large-Scale Benchmark for Chinese Goal-oriented Dialog Evaluation [75.60156479374416]
CGoDialは、Goal指向のダイアログ評価のための、新しい挑戦的で包括的な中国のベンチマークである。 96,763のダイアログセッションと574,949のダイアログがすべて含まれており、異なる知識ソースを持つ3つのデータセットをカバーする。学術ベンチマークと音声対話のシナリオのギャップを埋めるために、実際の会話からデータを収集したり、クラウドソーシングを通じて既存のデータセットに音声機能を追加する。
論文参考訳（メタデータ） (2022-11-21T16:21:41Z)
SPACE-2: Tree-Structured Semi-Supervised Contrastive Pre-training for Task-Oriented Dialog Understanding [68.94808536012371]
本稿では,限定ラベル付きダイアログと大規模未ラベルダイアログコーパスから対話表現を学習する,木構造付き事前学習会話モデルを提案する。提案手法は,7つのデータセットと4つの一般的な対話理解タスクからなるDialoGLUEベンチマークにおいて,最新の結果が得られる。
論文参考訳（メタデータ） (2022-09-14T13:42:50Z)
Back to the Future: Bidirectional Information Decoupling Network for Multi-turn Dialogue Modeling [80.51094098799736]
ユニバーサル対話エンコーダとして双方向情報デカップリングネットワーク(BiDeN)を提案する。 BiDeNは過去と将来の両方のコンテキストを明示的に取り入れており、幅広い対話関連のタスクに一般化することができる。異なる下流タスクのデータセットに対する実験結果は、我々のBiDeNの普遍性と有効性を示している。
論文参考訳（メタデータ） (2022-04-18T03:51:46Z)
Commonsense-Focused Dialogues for Response Generation: An Empirical Study [39.49727190159279]
対話応答生成におけるコモンセンスの実証的研究について述べる。まず、ConceptNetを利用して既存の対話データセットから共通感覚対話を自動的に抽出する。次に、対話的な環境での社会的常識を示すことを目的とした、25K対話を備えた対話データセットを新たに収集する。
論文参考訳（メタデータ） (2021-09-14T04:32:09Z)
Language Model as an Annotator: Exploring DialoGPT for Dialogue Summarization [29.887562761942114]
本稿では,対話応答生成のための事前学習モデルであるDialoGPTを,教師なし対話アノテータとして開発する方法を示す。ダイアロGPTを用いて、2つの対話要約データセット(SAMSumとAMI)に3種類の特徴をラベル付けし、事前学習モデルと非訓練モデルを用いて要約する。
論文参考訳（メタデータ） (2021-05-26T13:50:13Z)
Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文参考訳（メタデータ） (2021-03-17T09:42:11Z)
Incorporating Commonsense Knowledge into Abstractive Dialogue Summarization via Heterogeneous Graph Networks [34.958271247099]
本稿では,対話理解と要約生成を容易にする大規模コモンセンス知識の実証を目的とした,新しい多話者対話要約器を提案する。我々は、発話と常識知識を2つの異なるタイプのデータとみなし、両方の情報をモデル化するための対話異種グラフネットワーク(D-HGN)を設計する。
論文参考訳（メタデータ） (2020-10-20T05:44:55Z)
Detecting and Classifying Malevolent Dialogue Responses: Taxonomy, Data and Methodology [68.8836704199096]
コーパスベースの会話インタフェースは、テンプレートベースのエージェントや検索ベースのエージェントよりも多様な自然なレスポンスを生成することができる。コーパスベースの会話エージェントの生成能力が増大すると、マレヴォレントな反応を分類し、フィルタリングする必要性が生じる。不適切な内容の認識と分類に関するこれまでの研究は、主にある種のマレヴォレンスに焦点を絞っている。
論文参考訳（メタデータ） (2020-08-21T22:43:27Z)

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。