論文の概要: Unsupervised Slot Schema Induction for Task-oriented Dialog

• arxiv url: http://arxiv.org/abs/2205.04515v1
• Date: Mon, 9 May 2022 18:36:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-12 18:53:41.400606
• Title: Unsupervised Slot Schema Induction for Task-oriented Dialog
• Title（参考訳）: タスク指向ダイアログのための教師なしスロットスキーマインダクション
• Authors: Dian Yu, Mingqiu Wang, Yuan Cao, Izhak Shafran, Laurent El Shafey, Hagen Soltau
• Abstract要約: ラベルなしダイアログコーパスからのスロットスキーマ誘導のための教師なしアプローチを提案する。 我々は,MultiWozおよびSGDデータセット上でのスロットスキーマ誘導において,大幅な性能向上を示す。 また、ダイアログ状態の追跡や応答生成など、下流アプリケーションにおけるインダクションスキーマの有効性を示す。
• 参考スコア（独自算出の注目度）: 12.585986197627477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Carefully-designed schemas describing how to collect and annotate dialog corpora are a prerequisite towards building task-oriented dialog systems. In practical applications, manually designing schemas can be error-prone, laborious, iterative, and slow, especially when the schema is complicated. To alleviate this expensive and time consuming process, we propose an unsupervised approach for slot schema induction from unlabeled dialog corpora. Leveraging in-domain language models and unsupervised parsing structures, our data-driven approach extracts candidate slots without constraints, followed by coarse-to-fine clustering to induce slot types. We compare our method against several strong supervised baselines, and show significant performance improvement in slot schema induction on MultiWoz and SGD datasets. We also demonstrate the effectiveness of induced schemas on downstream applications including dialog state tracking and response generation.
• Abstract（参考訳）: ダイアログコーパスの収集とアノテート方法を慎重に設計したスキーマは、タスク指向のダイアログシステムを構築するための前提条件である。 実用的なアプリケーションでは、特にスキーマが複雑である場合には、手動でスキーマを設計することはエラーを起こしやすく、手間がかかり、反復的になり、遅くなります。 このコストと時間のかかるプロセスを軽減するため、ラベルなしダイアログコーパスからのスロットスキーマ誘導のための教師なしアプローチを提案する。 ドメイン内言語モデルと教師なし構文構造を利用して、データ駆動型アプローチは制約のない候補スロットを抽出し、続いて粗いクラスタリングによってスロットタイプを誘導する。 提案手法を複数の教師付きベースラインと比較し,MultiWozおよびSGDデータセット上でのスロットスキーマ誘導の性能向上を示す。 また,対話状態追跡や応答生成を含む下流アプリケーションにおける誘導スキーマの有効性を実証する。

関連論文リスト

• Transforming Slot Schema Induction with Generative Dialogue State Inference [14.06505399101404]
  スロットインジェクション(SSI)は、ラベルのない対話データからスロットを自動的に誘導することを目的としている。 本手法は,対話状態を表すための高品質な候補情報を検出する。 MultiWOZデータセットとSGDデータセットの実験的比較により、生成対話状態推論(Generative Dialogue State Inference, GenDSI)が従来の最先端よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-03T02:41:10Z)
• TOD-Flow: Modeling the Structure of Task-Oriented Dialogues [77.15457469745364]
  ダイアログを付加した対話データからTOD-Flowグラフを推定する手法を提案する。 推定されたTOD-Flowグラフは、任意の対話モデルと容易に統合することができ、予測性能、透明性、制御性を改善することができる。
  論文  参考訳（メタデータ） (2023-12-07T20:06:23Z)
• Schema Graph-Guided Prompt for Multi-Domain Dialogue State Tracking [16.955887768832046]
  対話スキーマを組み込んでドメイン固有のプロンプトを学習するグラフベースのフレームワークを提案する。 具体的には、グラフニューラルネットワークによって符号化されたドメイン固有スキーマを事前訓練された言語モデルに組み込む。 本実験は,提案手法が他のマルチドメインDST手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-10T19:00:02Z)
• Grounding Description-Driven Dialogue State Trackers with Knowledge-Seeking Turns [54.56871462068126]
  人または合成スキーマのパラフレーズによるトレーニングセットの強化は、これらのバリエーションに対するモデルの堅牢性を改善するが、コストがかかるか、制御が難しいかのいずれかである。 本稿では,対話コーパスとスキーマから収集した知識探索ターンの状態追跡モデルに基づいて,これらの問題を回避することを提案する。
  論文  参考訳（メタデータ） (2023-09-23T18:33:02Z)
• Turning Flowchart into Dialog: Augmenting Flowchart-grounded Troubleshooting Dialogs via Synthetic Data Generation [50.06143883455979]
  Flowchart-grounded trouble shooting dialogue (FTD) システムは、特定のドメインにおけるユーザの問題を診断するフローチャートの指示に従う。 多様な合成ダイアログデータを大規模に生成する計画ベース合成データ生成手法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T11:08:27Z)
• More Robust Schema-Guided Dialogue State Tracking via Tree-Based Paraphrase Ranking [0.0]
  スキーマ誘導対話状態追跡(DST)構築に優れた微調整言語モデル 本稿では,木に基づくランキングを用いて,多様性と意味的忠実度を協調的に最適化する合成スキーマを生成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-17T11:43:08Z)
• A Multi-Task BERT Model for Schema-Guided Dialogue State Tracking [78.2700757742992]
  タスク指向対話システムは対話状態追跡器(DST)を用いて会話を完了させる。 最近の最先端のDST実装は、モデルの堅牢性を改善するために様々なサービスのスキーマに依存している。 本稿では,意図予測,要求スロット予測,スロットフィリングの3つのDSTタスクを協調的に解決する単一マルチタスクBERTモデルを提案する。
  論文  参考訳（メタデータ） (2022-07-02T13:27:59Z)
• Show, Don't Tell: Demonstrations Outperform Descriptions for Schema-Guided Task-Oriented Dialogue [27.43338545216015]
  Show, Don't TellはSeq2seqモデリングのプロンプトフォーマットで、ショートラベル付きサンプルダイアログを使用してスキーマ要素のセマンティクスを示す。 サービス開発者からも同様の努力を必要とする一方で、大規模な言語モデルによるスキーマ表現としてショートサンプルを使用することで、パフォーマンスが向上し、一般化が向上することを示す。
  論文  参考訳（メタデータ） (2022-04-08T23:27:18Z)
• Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
  タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。 本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2022-02-28T20:18:12Z)
• Description-Driven Task-Oriented Dialog Modeling [29.200221289845533]
  言語記述駆動システムでは,タスク仕様の理解が向上し,状態追跡性能が向上し,データ効率が向上し,目に見えないタスクへの効率的なゼロショット転送が可能であることを示す。 本稿では、スキーマ記述と"インデックスピッキング"機構に純粋に依存した、シンプルで効果的な記述駆動型ダイアログ状態追跡(D3ST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-01-21T22:07:41Z)
• Progressively Guide to Attend: An Iterative Alignment Framework for Temporal Sentence Grounding [53.377028000325424]
  時間的文接地作業のための反復アライメントネットワーク(IA-Net)を提案する。 学習可能なパラメータを持つマルチモーダル特徴をパットすることで、非整合フレームワードペアの非整合問題を軽減する。 また、アライメントの知識を洗練させるために、各アライメントモジュールに従ってキャリブレーションモジュールを考案する。
  論文  参考訳（メタデータ） (2021-09-14T02:08:23Z)

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。