論文の概要: SINC: Service Information Augmented Open-Domain Conversation

• arxiv url: http://arxiv.org/abs/2206.14000v1
• Date: Tue, 28 Jun 2022 13:41:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-29 12:37:59.192824
• Title: SINC: Service Information Augmented Open-Domain Conversation
• Title（参考訳）: sinc: サービス情報によるオープンドメイン会話
• Authors: Han Zhou, Xinchao Xu, Wenquan Wu, Zhengyu Niu, Hua Wu, Siqi Bao, Fan Wang, Haifeng Wang
• Abstract要約: 動的サービス情報を用いた知識駆動対話システムを提案する。 オープンドメインの中国初のサービス知識対話データセットDuSincをリリースしました。 自動評価と人的評価の両方により,提案手法はオープンドメイン会話の効果を著しく向上させることができることが示された。
• 参考スコア（独自算出の注目度）: 46.912064636311825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative open-domain dialogue systems can benefit from external knowledge, but the lack of external knowledge resources and the difficulty in finding relevant knowledge limit the development of this technology. To this end, we propose a knowledge-driven dialogue task using dynamic service information. Specifically, we use a large number of service APIs that can provide high coverage and spatiotemporal sensitivity as external knowledge sources. The dialogue system generates queries to request external services along with user information, get the relevant knowledge, and generate responses based on this knowledge. To implement this method, we collect and release the first open domain Chinese service knowledge dialogue dataset DuSinc. At the same time, we construct a baseline model PLATO-SINC, which realizes the automatic utilization of service information for dialogue. Both automatic evaluation and human evaluation show that our proposed new method can significantly improve the effect of open-domain conversation, and the session-level overall score in human evaluation is improved by 59.29% compared with the dialogue pre-training model PLATO-2. The dataset and benchmark model will be open sourced.
• Abstract（参考訳）: 生成的なオープンドメイン対話システムは外部知識の恩恵を受けるが、外部知識資源の欠如と関連する知識を見つけることの難しさにより、この技術の開発は制限される。 そこで本稿では,動的サービス情報を用いた知識駆動対話タスクを提案する。 具体的には、外部の知識ソースとして高カバレッジと時空間感度を提供できる多数のサービスAPIを使用します。 対話システムは、ユーザ情報とともに外部サービスを要求するクエリを生成し、関連する知識を取得し、この知識に基づいて応答を生成する。 本手法を実装するために,中国初のオープンドメインサービス知識対話データセットdusincを収集し,公開する。 同時に,対話のためのサービス情報の自動活用を実現するベースラインモデルPLATO-SINCを構築した。 自動評価と人的評価の両方により,提案手法はオープンドメイン会話の効果を著しく向上し,対話事前学習モデルPLATO-2と比較して,人的評価におけるセッションレベル全体のスコアが59.29%向上した。 データセットとベンチマークモデルはオープンソースになる予定だ。

関連論文リスト

• AUGUST: an Automatic Generation Understudy for Synthesizing Conversational Recommendation Datasets [56.052803235932686]
  本稿では,大規模かつ高品質なレコメンデーションダイアログを生成する新しい自動データセット合成手法を提案する。 i)従来のレコメンデーションデータセットからの豊富なパーソナライズされたユーザプロファイル、(ii)知識グラフからの豊富な外部知識、(iii)人間対人間会話レコメンデーションデータセットに含まれる会話能力。
  論文  参考訳（メタデータ） (2023-06-16T05:27:14Z)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• PLATO-K: Internal and External Knowledge Enhanced Dialogue Generation [49.43839526180323]
  内部知識と外部知識の活用を強化するために,二段階対話学習に基づくPLATO-Kを導入する。 最初の段階では、PLATO-Kは大量の対話コーパスを通して学習し、重要な知識をモデルパラメータに記憶する。 第2段階では、PLATO-Kは人間を模倣して外部情報を探し出し、応答生成における知識を活用する。
  論文  参考訳（メタデータ） (2022-11-02T06:23:16Z)
• OPERA: Harmonizing Task-Oriented Dialogs and Information Seeking Experience [87.0233567695073]
  会話型AIにおける既存の研究は、主にタスク指向対話(TOD)と質問応答(QA)を別々のタスクとして扱う。 そこで我々は,TODとQAタスクを組み合わせた新たなタスクであるOpen-Book TOD (OB-TOD)を提案する。 我々は,そのタスクに対処するために,明示的で暗黙的な外部知識を適切にアクセス可能な統一モデルOPERAを提案する。
  論文  参考訳（メタデータ） (2022-06-24T18:21:26Z)
• 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)
• Multi-Sentence Knowledge Selection in Open-Domain Dialogue [11.936691632841388]
  オープンドメイン会話知識選択の現況を評価する。 We create a augmented dataset based on the Wizard of Wikipedia (WOW) corpus。 WOW++は、対話コンテキストごとに8つの関連する知識文を平均化する。
  論文  参考訳（メタデータ） (2022-03-01T22:07:05Z)
• Can I Be of Further Assistance? Using Unstructured Knowledge Access to Improve Task-oriented Conversational Modeling [39.60614611655266]
  この研究は、外部の非構造化の知識ソースを組み込むことによって、APIをカバーしていないユーザターンに応答することに焦点を当てている。 最初の2つのステップで新たなデータ拡張手法を導入し、対話コンテキストから抽出した情報を使用することで、知識選択とエンドツーエンドのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2021-06-16T23:31:42Z)
• Learning to Select External Knowledge with Multi-Scale Negative Sampling [31.833572852656008]
  DSTC9のTrack-1は、タスク指向の対話において、ユーザの要求や質問に効果的に答えることを目的としている。 外部知識リソースを活用することで、これらのAPI外サージクエリの応答生成に関連情報を検索してエンコードすることが可能になる。
  論文  参考訳（メタデータ） (2021-02-03T14:59:35Z)
• Beyond Domain APIs: Task-oriented Conversational Modeling with Unstructured Knowledge Access [18.37585134613816]
  本稿では,外的非構造的知識源を取り入れたタスク指向対話システムの拡張を提案する。 我々は,知識探索ターン検出,知識選択,知識接地応答生成という3つのサブタスクを定義した。 我々はMultiWOZ 2.1の拡張版を紹介した。
  論文  参考訳（メタデータ） (2020-06-05T16:12:18Z)

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。