論文の概要: Query-Response Interactions by Multi-tasks in Semantic Search for
Chatbot Candidate Retrieval
- arxiv url: http://arxiv.org/abs/2208.11018v1
- Date: Tue, 23 Aug 2022 15:07:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-24 13:08:47.800615
- Title: Query-Response Interactions by Multi-tasks in Semantic Search for
Chatbot Candidate Retrieval
- Title(参考訳): チャットボット候補検索のための意味検索におけるマルチタスクによる問合せ応答インタラクション
- Authors: Libin Shi, Kai Zhang, Wenge Rong
- Abstract要約: 本稿では,マルチタスクに基づくセマンティックサーチニューラルネットワーク(MSSNN)を提案する。
この方法はSeq2Seqモデリングタスクを使用して、優れたクエリエンコーダを学習し、応答埋め込みを構築するために単語予測タスクを実行し、最終的に単純なマッチングモデルを実行し、ドット積スコアラを形成する。
- 参考スコア(独自算出の注目度): 12.615150401073711
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Semantic search for candidate retrieval is an important yet neglected problem
in retrieval-based Chatbots, which aims to select a bunch of candidate
responses efficiently from a large pool. The existing bottleneck is to ensure
the model architecture having two points: 1) rich interactions between a query
and a response to produce query-relevant responses; 2) ability of separately
projecting the query and the response into latent spaces to apply efficiently
in semantic search during online inference. To tackle this problem, we propose
a novel approach, called Multitask-based Semantic Search Neural Network (MSSNN)
for candidate retrieval, which accomplishes query-response interactions through
multi-tasks. The method employs a Seq2Seq modeling task to learn a good query
encoder, and then performs a word prediction task to build response embeddings,
finally conducts a simple matching model to form the dot-product scorer.
Experimental studies have demonstrated the potential of the proposed approach.
- Abstract(参考訳): 候補検索のセマンティック検索は,検索ベースのチャットボットにおいて重要だが無視された問題であり,大規模プールから多数の候補応答を効率的に選択することを目的としている。
既存のボトルネックは、モデルアーキテクチャに2つのポイントがあることを保証することです。
1) クエリと応答の間のリッチなインタラクションは,クエリ関連応答を生成する。
2)オンライン推論において,クエリと応答を潜在空間に別途投影し,意味検索に効率的に適用する能力。
そこで本研究では,マルチタスクによる問合せ応答を実現する,候補検索のためのマルチタスクに基づくセマンティック検索ニューラルネットワーク (mssnn) を提案する。
この方法は、優れたクエリエンコーダを学習するためにseq2seqモデリングタスクを使用し、応答埋め込みを構築するためにワード予測タスクを実行し、最終的に単純なマッチングモデルを実行してdot-product scorerを形成する。
実験により提案手法の可能性を実証した。
関連論文リスト
- Answering Ambiguous Questions via Iterative Prompting [84.3426020642704]
オープンドメインの質問応答では、質問のあいまいさのため、複数の妥当な回答が存在する可能性がある。
ひとつのアプローチは、すべての有効な回答を直接予測することですが、これは、妥当性と多様性のバランスに苦労する可能性があります。
本稿では,あいまいな疑問に答える既存手法の欠陥に対処するため,AmbigPromptを提案する。
論文 参考訳(メタデータ) (2023-07-08T04:32:17Z) - Phrase Retrieval for Open-Domain Conversational Question Answering with
Conversational Dependency Modeling via Contrastive Learning [54.55643652781891]
Open-Domain Conversational Question Answering (ODConvQA)は、マルチターン会話を通じて質問に答えることを目的としている。
そこで本研究では,単語列に対する句検索方式を用いて,回答を直接予測する手法を提案する。
論文 参考訳(メタデータ) (2023-06-07T09:46:38Z) - UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question
Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。
我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文 参考訳(メタデータ) (2022-12-02T04:08:09Z) - Decoding a Neural Retriever's Latent Space for Query Suggestion [28.410064376447718]
本稿では,有意なクエリをその潜在表現から復号することが可能であること,また,潜在空間の正しい方向に移動すると,関連する段落を検索するクエリを復号することができることを示す。
クエリデコーダを用いて、MSMarcoのクエリ再構成の大規模な合成データセットを生成する。
このデータに基づいて、クエリー提案の適用のために擬似関連フィードバック(PRF)T5モデルを訓練する。
論文 参考訳(メタデータ) (2022-10-21T16:19:31Z) - Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。
近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。
本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文 参考訳(メタデータ) (2022-04-03T16:50:30Z) - Learning an Effective Context-Response Matching Model with
Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。
我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。
実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文 参考訳(メタデータ) (2020-09-14T08:44:46Z) - Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。
我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
論文 参考訳(メタデータ) (2020-05-24T11:37:22Z) - Sequential Sentence Matching Network for Multi-turn Response Selection
in Retrieval-based Chatbots [45.920841134523286]
本稿では,文レベルの意味情報を用いて問題に対処する,逐次文マッチングネットワーク(S2M)を提案する。
まず、文レベルの意味情報を用いて、ネットワークが問題に対処し、マッチングを大幅に改善し、その結果、最先端のパフォーマンスが得られることがわかった。
論文 参考訳(メタデータ) (2020-05-16T09:47:19Z)
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。