Fugu-MT 論文翻訳(概要): Unsupervised Abstractive Dialogue Summarization with Word Graphs and POV Conversion

論文の概要: Unsupervised Abstractive Dialogue Summarization with Word Graphs and POV Conversion

arxiv url: http://arxiv.org/abs/2205.13108v1
Date: Thu, 26 May 2022 02:18:12 GMT
ステータス: 処理完了
システム内更新日: 2022-05-27 12:35:31.742499
Title: Unsupervised Abstractive Dialogue Summarization with Word Graphs and POV Conversion
Title（参考訳）: 単語グラフとPOV変換を用いた教師なし抽象対話要約
Authors: Seongmin Park, Jihwa Lee
Abstract要約: 多文圧縮グラフを用いた教師なし抽象対話要約における最先端技術について述べる。本手法は,会議,インタビュー,映画脚本,日々の会話など,複数の領域にまたがるデータセット上で実証される。
参考スコア（独自算出の注目度）: 1.2691047660244335
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We advance the state-of-the-art in unsupervised abstractive dialogue summarization by utilizing multi-sentence compression graphs. Starting from well-founded assumptions about word graphs, we present simple but reliable path-reranking and topic segmentation schemes. Robustness of our method is demonstrated on datasets across multiple domains, including meetings, interviews, movie scripts, and day-to-day conversations. We also identify possible avenues to augment our heuristic-based system with deep learning. We open-source our code, to provide a strong, reproducible baseline for future research into unsupervised dialogue summarization.
Abstract（参考訳）: 我々は,多文圧縮グラフを用いて,教師なし抽象対話要約の最先端を推し進める。単語グラフの確立した仮定から始め,単純かつ信頼性の高いパスリカリングとトピックセグメンテーションスキームを提案する。本手法のロバスト性は,会議,インタビュー,映画脚本,日々の会話など,複数のドメインにまたがるデータセット上で実証される。また、深層学習でヒューリスティックなシステムを強化するための道のりも特定する。我々はコードをオープンソース化し、教師なし対話要約の研究のための強力な再現可能なベースラインを提供する。

関連論文リスト

Unsupervised Extraction of Dialogue Policies from Conversations [3.102576158218633]
本稿では,データセットから対話ポリシーを抽出する上で,Large Language Modelがいかに有効かを示す。そこで我々は,制御可能かつ解釈可能なグラフベースの手法を用いて対話ポリシーを生成する新しい手法を提案する。
論文参考訳（メタデータ） (2024-06-21T14:57:25Z)
Unsupervised Flow Discovery from Task-oriented Dialogues [0.988655456942026]
本稿では,対話履歴からのフローの教師なし発見のためのアプローチを提案する。パブリックTODデータセットであるMultiWOZから発見された流れの具体的な例を示す。
論文参考訳（メタデータ） (2024-05-02T15:54:36Z)
Multi-grained Hypergraph Interest Modeling for Conversational Recommendation [75.65483522949857]
複雑な履歴データの下でユーザの興味を捉えるために, マルチグラデーション・ハイパーグラフ・インフォメーション・モデリング手法を提案する。提案手法では,まず,ユーザの過去の対話セッションをモデル化し,セッションベースハイパーグラフを作成するためにハイパーグラフ構造を用いる。さらに,2種類のハイパーグラフに対して多粒度ハイパーグラフの畳み込みを行い,拡張表現を用いて関心を意識したCRSを開発する。
論文参考訳（メタデータ） (2023-05-04T13:13:44Z)
Unsupervised Dialogue Topic Segmentation with Topic-aware Utterance Representation [51.22712675266523]
対話トピック(DTS)は、様々な対話モデリングタスクにおいて重要な役割を果たす。本稿では,ラベルなし対話データからトピック対応発話表現を学習する,教師なしDSSフレームワークを提案する。
論文参考訳（メタデータ） (2023-05-04T11:35:23Z)
Enhancing Semantic Understanding with Self-supervised Methods for Abstractive Dialogue Summarization [4.226093500082746]
本稿では,対話要約モデルを訓練するための欠点を補う自己教師型手法を提案する。我々の原理は,対話文表現の文脈化能力を高めるために,前文対話文を用いて不整合情報の流れを検出することである。
論文参考訳（メタデータ） (2022-09-01T07:51:46Z)
Dialogue Meaning Representation for Task-Oriented Dialogue Systems [51.91615150842267]
タスク指向対話のための柔軟かつ容易に拡張可能な表現である対話意味表現(DMR)を提案する。我々の表現は、合成意味論とタスク固有の概念のためのリッチな意味論を表現するために、継承階層を持つノードとエッジのセットを含んでいる。異なる機械学習ベースの対話モデルを評価するための2つの評価タスクを提案し、さらにグラフベースのコア参照解決タスクのための新しいコア参照解決モデルGNNCorefを提案する。
論文参考訳（メタデータ） (2022-04-23T04:17:55Z)
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)
Learning Reasoning Paths over Semantic Graphs for Video-grounded Dialogues [73.04906599884868]
対話文脈(PDC)における推論経路の新しい枠組みを提案する。 PDCモデルは、各質問と回答の語彙成分に基づいて構築されたセマンティックグラフを通じて、対話間の情報フローを発見する。本モデルでは,この推論経路を通じて視覚情報とテキスト情報を逐次的に処理し,提案する特徴を用いて回答を生成する。
論文参考訳（メタデータ） (2021-03-01T07:39:26Z)
Dialogue Discourse-Aware Graph Convolutional Networks for Abstractive Meeting Summarization [24.646506847760822]
会議要約のための対話談-Aware Graph Convolutional Networks (DDA-GCN) を開発する。まず,対話談話関係を用いた会議テキスト全体を談話グラフに変換し,それからDDA-GCNを用いてそのグラフの意味表現を符号化する。最後に,再帰的ニューラルネットワークを用いて要約を生成する。
論文参考訳（メタデータ） (2020-12-07T07:51:38Z)
Multi-View Sequence-to-Sequence Models with Conversational Structure for Abstractive Dialogue Summarization [72.54873655114844]
テキスト要約は、NLPにおいて最も困難で興味深い問題の1つである。本研究では、まず、異なる視点から構造化されていない日々のチャットの会話構造を抽出し、会話を表現するマルチビューシーケンス・ツー・シーケンスモデルを提案する。大規模対話要約コーパスの実験により,本手法は,自動評価と人的判断の両面から,従来の最先端モデルよりも有意に優れた性能を示した。
論文参考訳（メタデータ） (2020-10-04T20:12:44Z)
ORD: Object Relationship Discovery for Visual Dialogue Generation [60.471670447176656]
視覚対話生成のためのオブジェクトインタラクションを保存するためのオブジェクト関係探索(ORD)フレームワークを提案する。階層的なグラフ畳み込みネットワーク (HierGCN) が提案され、オブジェクトノードと近傍の関係を局所的に保持し、オブジェクトとオブジェクトの接続をグローバルに洗練する。実験により,視覚的関係の文脈情報を活用することにより,対話の質を大幅に向上できることが示された。
論文参考訳（メタデータ） (2020-06-15T12:25:40Z)

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。