論文の概要: External Knowledge Selection with Weighted Negative Sampling in
Knowledge-grounded Task-oriented Dialogue Systems
- arxiv url: http://arxiv.org/abs/2209.02251v1
- Date: Tue, 6 Sep 2022 06:55:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 13:45:58.035873
- Title: External Knowledge Selection with Weighted Negative Sampling in
Knowledge-grounded Task-oriented Dialogue Systems
- Title(参考訳): タスク指向対話システムにおける重み付き負サンプリングによる外部知識選択
- Authors: Janghoon Han, Joongbo Shin, Hosung Song, Hyunjik Jo, Gyeonghun Kim,
Yireun Kim, Stanley Jungkyu Choi
- Abstract要約: 本稿では,データ構築,重み付き負サンプリング,ポストトレーニング,スタイル転送の4つの手法を紹介する。
客観的評価では16チーム中7チーム,人的評価では6チームであった。
- 参考スコア(独自算出の注目度): 13.822224899460656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Constructing a robust dialogue system on spoken conversations bring more
challenge than written conversation. In this respect, DSTC10-Track2-Task2 is
proposed, which aims to build a task-oriented dialogue (TOD) system
incorporating unstructured external knowledge on a spoken conversation,
extending DSTC9-Track1. This paper introduces our system containing four
advanced methods: data construction, weighted negative sampling, post-training,
and style transfer. We first automatically construct a large training data
because DSTC10-Track2 does not release the official training set. For the
knowledge selection task, we propose weighted negative sampling to train the
model more fine-grained manner. We also employ post-training and style transfer
for the response generation task to generate an appropriate response with a
similar style to the target response. In the experiment, we investigate the
effect of weighted negative sampling, post-training, and style transfer. Our
model ranked 7 out of 16 teams in the objective evaluation and 6 in human
evaluation.
- Abstract(参考訳): 音声対話におけるロバストな対話システムの構築は、文章による対話よりも難しい。
DSTC10-Track2-Task2は,音声会話に非構造化外部知識を組み込んだタスク指向対話(TOD)システムの構築を目標とし,DSTC9-Track1を拡張した。
本稿では,データ構築,重み付き負サンプリング,ポストトレーニング,スタイル転送の4つの手法を紹介する。
まず、DSTC10-Track2が公式トレーニングセットを公開していないため、大規模なトレーニングデータを自動的に構築する。
知識選択タスクでは,モデルをよりきめ細かい方法で学習するために重み付き負サンプリングを提案する。
また、応答生成タスクに後トレーニングとスタイル転送を採用し、ターゲット応答に類似したスタイルで適切な応答を生成する。
実験では,重み付き負サンプリング,ポストトレーニング,スタイル転送の効果について検討した。
客観的評価では16チーム中7チーム,人的評価では6チームであった。
関連論文リスト
- Improving Multi-Domain Task-Oriented Dialogue System with Offline Reinforcement Learning [5.18578230548982]
タスク指向対話(TOD)システムは、対話を通じてユーザ定義タスクを達成するように設計されている。
本稿では,統合事前学習型言語モデルであるGPT2をベースモデルとして利用するTODシステムを提案する。
本モデルでは, ベースラインと比較して情報提供率を1.60%, 成功率を3.17%向上させる。
論文 参考訳(メタデータ) (2024-11-08T05:43:40Z) - Task-Optimized Adapters for an End-to-End Task-Oriented Dialogue System [0.0]
本稿では,タスク毎に個別に学習し,事前学習したネットワークの固定層に少数のパラメータを追加するタスク・ド・アダプタを用いたエンドツーエンドTODシステムを提案する。
提案手法はモデルに依存しない手法であり,プロンプトを使わずに入力データのみをプロンプトチューニングする必要がない。
論文 参考訳(メタデータ) (2023-05-04T00:17:49Z) - Task-oriented Document-Grounded Dialog Systems by HLTPR@RWTH for DSTC9
and DSTC10 [40.05826687535019]
本稿では,第9回,第10回ダイアログシステム技術チャレンジにおけるダイアログタスクへのコントリビューションについて要約する。
両方のイテレーションにおいて、タスクは3つのサブタスクから構成される: 第一に、現在のターンが知識検索であるかどうかを検知し、第二に関連する知識文書を選択し、第三に、選択されたドキュメントに基づいて応答を生成する。
論文 参考訳(メタデータ) (2023-04-14T12:46:29Z) - Is MultiWOZ a Solved Task? An Interactive TOD Evaluation Framework with
User Simulator [37.590563896382456]
タスク指向対話(TOD)システムのための対話型評価フレームワークを提案する。
まず,事前学習したモデルに基づいて目標指向のユーザシミュレータを構築し,ユーザシミュレータを用いて対話システムと対話して対話を生成する。
実験の結果,提案したユーザシミュレータによりトレーニングされたRLベースのTODシステムは,約98%のインフォメーションと成功率を達成することができた。
論文 参考訳(メタデータ) (2022-10-26T07:41:32Z) - End-to-end Spoken Conversational Question Answering: Task, Dataset and
Model [92.18621726802726]
音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。
本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。
本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
論文 参考訳(メタデータ) (2022-04-29T17:56:59Z) - CAiRE in DialDoc21: Data Augmentation for Information-Seeking Dialogue
System [55.43871578056878]
DialDoc21コンペティションでは,サブタスク1で74.95 F1スコア,60.74 Exact Matchスコア,サブタスク2で37.72 SacreBLEUスコアを達成した。
論文 参考訳(メタデータ) (2021-06-07T11:40:55Z) - Language Models as Few-Shot Learner for Task-Oriented Dialogue Systems [74.8759568242933]
タスク指向対話システムは、自然言語理解(NLU)、対話状態追跡(DST)、対話ポリシー(DP)、自然言語生成(NLG)の4つの連結モジュールを使用する。
研究課題は、データ収集に関連する高コストから最小限のサンプルで各モジュールを学習することである。
我々は,NLU,DP,NLGタスクにおいて,言語モデルの素小ショット能力を評価する。
論文 参考訳(メタデータ) (2020-08-14T08:23:21Z) - Modelling Hierarchical Structure between Dialogue Policy and Natural
Language Generator with Option Framework for Task-oriented Dialogue System [49.39150449455407]
HDNOは、特定の対話行為表現の設計を避けるために潜在対話行為を設計するためのオプションフレームワークである。
RL,LaRL,HDSAで学習した単語レベルE2Eモデルと比較して,マルチドメイン対話のデータセットであるMultiWoz 2.0とMultiWoz 2.1でHDNOをテストする。
論文 参考訳(メタデータ) (2020-06-11T20:55:28Z) - SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine
Teaching [81.45928589522032]
トランスフォーマーに基づく自動回帰言語モデルを用いて,モジュール型タスク指向対話システムをパラメータ化する。
タスクグラウンド応答生成モデルである異種ダイアログコーパスの事前学習を行う。
実験により、SOLOISTは、よく研究されたタスク指向のダイアログベンチマーク上で、新しい最先端のダイアログを生成する。
論文 参考訳(メタデータ) (2020-05-11T17:58:34Z) - 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) - Pre-Trained and Attention-Based Neural Networks for Building Noetic
Task-Oriented Dialogue Systems [47.230754691257836]
本稿では,NOESIS II チャレンジの下で,全てのサブタスクで評価されるシステムについて述べる。
マルチターン対話システムにおいて,事前学習した言語モデルに適応する適応法が提案されている。
DSTC8のトラック2の評価結果では,提案モデルがサブタスク1で第4位,サブタスク2で第3位,サブタスク3で第1位,サブタスク4で第4位であった。
論文 参考訳(メタデータ) (2020-04-04T14:14:43Z)
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。