論文の概要: LUNA: Learning Slot-Turn Alignment for Dialogue State Tracking
- arxiv url: http://arxiv.org/abs/2205.02550v1
- Date: Thu, 5 May 2022 10:18:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 15:01:24.229525
- Title: LUNA: Learning Slot-Turn Alignment for Dialogue State Tracking
- Title(参考訳): LUNA:対話状態追跡のためのスロットツインアライメント学習
- Authors: Yifan Wang, Jing Zhao, Junwei Bao, Chaoqun Duan, Youzheng Wu, Xiaodong
He
- Abstract要約: 対話状態追跡(DST)は、対話履歴から現在の対話状態を予測することを目的としている。
既存のメソッドは通常、すべての対話の発話を利用して、各スロットの値を割り当てる。
sLot-tUrNアライメント拡張手法LUNAを提案する。
まず、各スロットを最も関連性の高い発話に明示的にアライメントし、さらに全ての対話発話の代わりに、このアライメントされた発話に基づいて対応する値を予測する。
- 参考スコア(独自算出の注目度): 21.80577241399013
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Dialogue state tracking (DST) aims to predict the current dialogue state
given the dialogue history. Existing methods generally exploit the utterances
of all dialogue turns to assign value for each slot. This could lead to
suboptimal results due to the information introduced from irrelevant utterances
in the dialogue history, which may be useless and can even cause confusion. To
address this problem, we propose LUNA, a sLot-tUrN Alignment enhanced approach.
It first explicitly aligns each slot with its most relevant utterance, then
further predicts the corresponding value based on this aligned utterance
instead of all dialogue utterances. Furthermore, we design a slot ranking
auxiliary task to learn the temporal correlation among slots which could
facilitate the alignment. Comprehensive experiments are conducted on
multi-domain task-oriented dialogue datasets, i.e., MultiWOZ 2.0, MultiWOZ 2.1,
and MultiWOZ 2.2. The results show that LUNA achieves new state-of-the-art
results on these datasets.
- Abstract(参考訳): 対話状態追跡(DST)は、対話履歴から現在の対話状態を予測することを目的としている。
既存のメソッドは通常、すべての対話の発話を利用して、各スロットの値を割り当てる。
これは、対話履歴の無関係な発話からもたらされる情報によって、最適でない結果につながる可能性がある。
この問題に対処するため、sLot-tUrNアライメント拡張アプローチLUNAを提案する。
まず、各スロットを最も関連性の高い発話に明示的にアライメントし、さらに全ての対話発話の代わりにこのアライメントされた発話に基づいて対応する値を予測する。
さらに,アライメントを容易にするスロット間の時間相関を学習するために,スロットランキング補助タスクを設計する。
マルチドメインタスク指向対話データセット(MultiWOZ 2.0,MultiWOZ 2.1,MultiWOZ 2.2)について総合実験を行った。
その結果、LUNAはこれらのデータセット上で新しい最先端の結果を達成することがわかった。
関連論文リスト
- Enhancing Visual Dialog State Tracking through Iterative Object-Entity Alignment in Multi-Round Conversations [3.784841749866846]
MDST(Multi-round Dialogue State Tracking Model)を導入する。
MDSTは、内的対話状態表現を視覚言語表現の2-タプルとして定義し、各ラウンドの対話履歴をキャプチャする。
VisDial v1.0データセットの実験結果は、MDSTが生成環境において新しい最先端性能を達成することを示した。
論文 参考訳(メタデータ) (2024-08-13T08:36:15Z) - 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) - Beyond the Granularity: Multi-Perspective Dialogue Collaborative
Selection for Dialogue State Tracking [18.172993687706708]
対話状態追跡においては、対話履歴は重要な材料であり、その利用法は異なるモデルによって異なる。
状態更新のために各スロットに対応する対話内容を動的に選択するDiCoS-DSTを提案する。
提案手法は,MultiWOZ 2.1およびMultiWOZ 2.2上での最先端性能を実現し,複数の主流ベンチマークデータセット上での優れた性能を実現する。
論文 参考訳(メタデータ) (2022-05-20T10:08:45Z) - 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) - Dialogue State Tracking with Multi-Level Fusion of Predicted Dialogue
States and Conversations [2.6529642559155944]
予測対話状態と会話ネットワークの多レベル融合による対話状態追跡を提案する。
本モデルでは,各発話,対応する最終対話状態,対話スロット間の相互作用をモデル化することにより,各対話ターンに関する情報を抽出する。
論文 参考訳(メタデータ) (2021-07-12T02:30:30Z) - Slot Self-Attentive Dialogue State Tracking [22.187581131353948]
スロット相関を自動的に学習できるスロット自己認識機構を提案する。
2つのマルチドメインタスク指向対話データセットの包括的な実験を行います。
論文 参考訳(メタデータ) (2021-01-22T22:48:51Z) - Point or Generate Dialogue State Tracker [0.0]
我々はPOGD(Point-Or-Generate Dialogue State Tracker)を提案する。
POGDは、ユーザの発話から明示的に表現されたスロット値を指摘し、スロット固有のコンテキストに基づいて暗黙的に表現されたスロットを生成する。
実験によると、POGDはWoZ 2.0とMultiWoZ 2.0の両方のデータセットで最先端の結果を得るだけでなく、目に見えない値と新しいスロットをうまく一般化している。
論文 参考訳(メタデータ) (2020-08-08T02:15:25Z) - A Contextual Hierarchical Attention Network with Adaptive Objective for
Dialogue State Tracking [63.94927237189888]
本稿では,コンテキスト階層型アテンションネットワークを用いて対話状態追跡(DST)を強化することを提案する。
また,訓練中に異なるスロットの重みを動的に調整することでスロット不均衡問題を緩和する適応的目標を提案する。
実験の結果,MultiWOZ 2.0とMultiWOZ 2.1データセットでは52.68%,58.55%のジョイント精度が得られた。
論文 参考訳(メタデータ) (2020-06-02T12:25:44Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳(メタデータ) (2020-05-27T02:05:33Z) - Non-Autoregressive Dialog State Tracking [122.2328875457225]
非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。
NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。
以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
論文 参考訳(メタデータ) (2020-02-19T06:39:26Z)
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。