論文の概要: UniGDD: A Unified Generative Framework for Goal-Oriented Document-Grounded Dialogue

• arxiv url: http://arxiv.org/abs/2204.07770v1
• Date: Sat, 16 Apr 2022 10:01:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 08:37:07.390743
• Title: UniGDD: A Unified Generative Framework for Goal-Oriented Document-Grounded Dialogue
• Title（参考訳）: UniGDD: 目標指向ドキュメント群対話のための統一生成フレームワーク
• Authors: Chang Gao, Wenxuan Zhang, Wai Lam
• Abstract要約: 目標指向の文書接地対話は,対話コンテキストと支援文書に基づいてユーザクエリに応答することを目的としている。 既存の研究では、知識識別と応答生成という2つのサブタスクに分解することでこの問題に対処している。 本稿では,これらの2つのサブタスクを,基礎知識と応答を逐次生成することで統一することを提案する。
• 参考スコア（独自算出の注目度）: 36.3037966016752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The goal-oriented document-grounded dialogue aims at responding to the user query based on the dialogue context and supporting document. Existing studies tackle this problem by decomposing it into two sub-tasks: knowledge identification and response generation. However, such pipeline methods would unavoidably suffer from the error propagation issue. This paper proposes to unify these two sub-tasks via sequentially generating the grounding knowledge and the response. We further develop a prompt-connected multi-task learning strategy to model the characteristics and connections of different tasks and introduce linear temperature scheduling to reduce the negative effect of irrelevant document information. Experimental results demonstrate the effectiveness of our framework.
• Abstract（参考訳）: 目標指向の文書接地対話は,対話コンテキストと支援文書に基づいてユーザクエリに応答することを目的としている。 既存の研究では、知識識別と応答生成という2つのサブタスクに分解することでこの問題に取り組んでいる。 しかし、そのようなパイプラインメソッドは、必然的にエラー伝搬の問題に悩まされる。 本稿では,これら2つのサブタスクを,基礎知識と応答を逐次生成することで統一することを提案する。 さらに,異なるタスクの特性と接続をモデル化するプロンプト接続型マルチタスク学習戦略を開発し,無関係な文書情報の悪影響を低減するために線形温度スケジューリングを導入する。 実験の結果,提案手法の有効性が示された。

関連論文リスト

• Multi-level Adaptive Contrastive Learning for Knowledge Internalization in Dialogue Generation [37.55417272177113]
  知識基底対話生成は、文脈を補うために外部知識を統合することを目的としている。 しかし、このモデルはしばしば、この情報を人間的な方法で応答に内部化するのに失敗する。 否定例を動的にサンプリングし,その後に退化挙動をペナルティ化する多段階適応コントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-13T08:16:27Z)
• Causal Document-Grounded Dialogue Pre-training [81.16429056652483]
  百万レベルのDocGD事前学習コーパスを構築するための因果完全データセット構築戦略を提案する。 3つのベンチマークデータセットの実験により、我々の因果前トレーニングは、完全な教師付き、低リソース、少数ショット、ゼロショット設定の下で、かなり、一貫した改善を達成できることが示された。
  論文  参考訳（メタデータ） (2023-05-18T12:39:25Z)
• Mitigating Negative Style Transfer in Hybrid Dialogue System [42.65754135759929]
  ユーザ固有の目標を達成し,ユーザとのオープン・トピック・チャットに参加するハイブリッド対話システムに注目が集まっている。 既存の研究は、マルチタスク融合技術を利用して両方のタスクを同時に学習するが、ユニークなテキストスタイルの違いによって引き起こされる負の伝達現象を無視する。 多様なデータセットに対する教師付き自己監督型正負のサンプル構成を考案する。
  論文  参考訳（メタデータ） (2022-12-14T12:13:34Z)
• Towards End-to-End Open Conversational Machine Reading [57.18251784418258]
  オープン検索型会話機械読解(OR-CMR)タスクでは,機械は対話履歴とテキスト知識ベースに応答するマルチターン質問を行う必要がある。 OR-CMRを完全エンドツーエンドで統一されたテキスト・ツー・テキスト・タスクとしてモデル化し、ShARCおよびOR-ShARCデータセットを用いた実験により、提案したエンドツーエンド・フレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2022-10-13T15:50:44Z)
• Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
  対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。 エージェントは対話とマニュアルの両方からタスクを学習する。 提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
  論文  参考訳（メタデータ） (2022-08-16T08:21:12Z)
• UTC: A Unified Transformer with Inter-Task Contrastive Learning for Visual Dialog [30.864390060624213]
  本稿では,視覚対話における識別的タスクと生成的タスクを一つのモデルで統一し,促進する,対照的な学習ベースのUTCを提案する。 提案したUTCをVisDial v1.0データセット上で評価し,本手法は識別的タスクと生成的タスクの両方において最先端の処理性能を示す。
  論文  参考訳（メタデータ） (2022-05-01T08:36:18Z)
• Utterance Rewriting with Contrastive Learning in Multi-turn Dialogue [22.103162555263143]
  比較学習とマルチタスク学習を導入し、問題を共同でモデル化する。 提案手法は,複数の公開データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-22T10:13:27Z)
• Topic-Aware Contrastive Learning for Abstractive Dialogue Summarization [41.75442239197745]
  本研究は,コヒーレンス検出とサブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サミマリ・ジェネレーションという2つのトピック・アウェア・コントラスト学習目標を提案する。 ベンチマークデータセットの実験では、提案手法が強いベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2021-09-10T17:03:25Z)
• Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
  本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-08-28T08:04:28Z)
• Reasoning in Dialog: Improving Response Generation by Context Reading Comprehension [49.92173751203827]
  マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。 読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
  論文  参考訳（メタデータ） (2020-12-14T10:58:01Z)

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。