論文の概要: A Low-Cost, Controllable and Interpretable Task-Oriented Chatbot: With
Real-World After-Sale Services as Example
- arxiv url: http://arxiv.org/abs/2205.06436v1
- Date: Fri, 13 May 2022 03:36:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 23:04:54.159780
- Title: A Low-Cost, Controllable and Interpretable Task-Oriented Chatbot: With
Real-World After-Sale Services as Example
- Title（参考訳）: 低コストで制御可能で解釈可能なタスク指向チャットボット: 実世界のアフターセールサービスを例に
- Authors: Xiangyu Xi and Chenxu Lv and Yuncheng Hua and Wei Ye and Chaobo Sun
and Shuaipeng Liu and Fan Yang and Guanglu Wan
- Abstract要約: タスク指向対話システムは, (i) オントロジーの難易度, (ii) 制御性, 解釈性, (iii) アノテーション・ハングリーの3つのボトルネックに悩まされている。
大規模な対話からTaskFlowを自動的に構築し、オンラインにデプロイするフレームワークが提示される。
実世界のアフターセール顧客サービスに関する我々の実験は、TaskFlowが大きなニーズを満たすことができ、開発者の負担を効果的に軽減できることを示している。
- 参考スコア（独自算出の注目度）: 8.900566977710103
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Though widely used in industry, traditional task-oriented dialogue systems
suffer from three bottlenecks: (i) difficult ontology construction (e.g.,
intents and slots); (ii) poor controllability and interpretability; (iii)
annotation-hungry. In this paper, we propose to represent utterance with a
simpler concept named Dialogue Action, upon which we construct a
tree-structured TaskFlow and further build task-oriented chatbot with TaskFlow
as core component. A framework is presented to automatically construct TaskFlow
from large-scale dialogues and deploy online. Our experiments on real-world
after-sale customer services show TaskFlow can satisfy the major needs, as well
as reduce the developer burden effectively.
- Abstract（参考訳）: 業界で広く使われているが、従来のタスク指向対話システムは3つのボトルネックを抱えている。
(i)難しいオントロジーの構築(例えば、意図及びスロット)
(二 制御性及び解釈性に乏しいこと。)
(iii)アノテーション・ハングリー。
本稿では,木構造タスクFlowを構築し,タスクFlowをコアコンポーネントとするタスク指向チャットボットを構築する,ダイアログアクションというシンプルな概念で発話を表現することを提案する。
大規模な対話からTaskFlowを自動的に構築し、オンラインにデプロイするフレームワークが提示される。
実世界のアフターセールカスタマサービスに関する実験では,taskflowが主要なニーズを満足すると同時に,開発者の負担を効果的に軽減できることが示されています。
関連論文リスト
- HierTOD: A Task-Oriented Dialogue System Driven by Hierarchical Goals [4.630232280155836]
タスク指向対話 (Task-Oriented Dialogue, TOD) は、自然言語による対話を通じてタスクの完了を支援するシステムである。
本稿では,階層的な目標によって駆動されるエンタープライズTODシステムであるHierTODを紹介する。
システム実装では,情報収集のためのスロットフィリングとタスク実行のためのステップバイステップガイダンスという,2つのTODパラダイムを統一する。
論文 参考訳（メタデータ） (2024-11-11T17:28:19Z) - Many Hands Make Light Work: Task-Oriented Dialogue System with Module-Based Mixture-of-Experts [9.129081545049992]
タスク指向対話システムは事前学習言語モデル(PLM)の恩恵を受けている
ソフト混合型タスク指向対話システム(SMETOD)を提案する。
SMETODは、Mixture-of-Experts(MoEs)のアンサンブルを利用してサブプロブレムを最適化し、タスク指向対話のための特殊な出力を生成する。
我々は,意図予測,対話状態追跡,対話応答生成という3つのベンチマーク機能に対して,我々のモデルを広範囲に評価した。
論文 参考訳（メタデータ） (2024-05-16T01:02:09Z) - Deploying a Retrieval based Response Model for Task Oriented Dialogues [8.671263996400844]
タスク指向の対話システムは会話能力が高く、状況の変化に容易に適応でき、ビジネス上の制約に適合する必要がある。
本稿では,これらの基準を満たす対話モデルを開発するための3段階の手順について述べる。
論文 参考訳（メタデータ） (2022-10-25T23:10:19Z) - Fast Inference and Transfer of Compositional Task Structures for
Few-shot Task Generalization [101.72755769194677]
本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。
我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。
提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
論文 参考訳（メタデータ） (2022-05-25T10:44:25Z) - Unsupervised Learning of Hierarchical Conversation Structure [50.29889385593043]
ゴール指向の会話は、しばしば意味のあるサブ対話構造を持つが、ドメインに依存しやすい。
この研究は、ターンやサブダイアログのセグメントラベルを含む階層的な会話構造を学習するための教師なしのアプローチを導入する。
復号化構造は3つの会話レベル理解タスクのための言語ニューラルネットワークの強化に有用であることが示されている。
論文 参考訳（メタデータ） (2022-05-24T17:52:34Z) - KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。
本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
論文 参考訳（メタデータ） (2022-05-11T16:01:03Z) - 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) - SYNERGY: Building Task Bots at Scale Using Symbolic Knowledge and
Machine Teaching [75.87418236410296]
SynERGYは、タスクボットを2つのステップで開発するハイブリッド学習フレームワークである。
トレーニング済みのニューラルダイアログモデルであるSOLOISTは、シミュレーションダイアログ上で微調整され、タスクのためのボットを構築する。
微調整されたニューラルダイアログモデルは、機械教育を通じて、いくつかの実際のタスク固有のダイアログによって継続的に洗練される。
論文 参考訳（メタデータ） (2021-10-21T23:13:04Z) - Alexa Conversations: An Extensible Data-driven Approach for Building
Task-oriented Dialogue Systems [21.98135285833616]
従来の目標指向対話システムは、自然言語理解、対話状態追跡、政策学習、応答生成など、さまざまなコンポーネントに依存している。
スケーラブルかつデータ効率の高い,目標指向の対話システム構築のための新たなアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-19T07:09:27Z) - A Simple But Effective Approach to n-shot Task-Oriented Dialogue
Augmentation [32.43362825854633]
本稿では,タスク指向対話を完全自動で生成するフレームワークを提案する。
我々のフレームワークはタスク指向対話における各ターンペアは特定の機能を持つという単純な考え方を用いています。
いくつかのドメインの微調整シナリオの大幅な改善を観察します。
論文 参考訳（メタデータ） (2021-02-27T18:55:12Z) - TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented
Dialogue [113.45485470103762]
本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。
事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
論文 参考訳（メタデータ） (2020-04-15T04:09:05Z)
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。