論文の概要: Adaptive Natural Language Generation for Task-oriented Dialogue via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2209.07873v1
• Date: Fri, 16 Sep 2022 12:08:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 11:50:38.243742
• Title: Adaptive Natural Language Generation for Task-oriented Dialogue via Reinforcement Learning
• Title（参考訳）: 強化学習によるタスク指向対話のための適応自然言語生成
• Authors: Atsumoto Ohashi, Ryuichiro Higashinaka
• Abstract要約: ANTORは、強化学習によるタスク指向対話のための適応自然言語生成手法である。 ANTORでは、ユーザのシステム発話に対する理解に対応する自然言語理解(NLU)モジュールがRLの目的関数に組み込まれている。 我々はMultiWOZデータセットの実験を行い、ANTORが音声認識誤りに対して適応的な発話を生成できることを確認した。
• 参考スコア（独自算出の注目度）: 2.421451893574618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When a natural language generation (NLG) component is implemented in a real-world task-oriented dialogue system, it is necessary to generate not only natural utterances as learned on training data but also utterances adapted to the dialogue environment (e.g., noise from environmental sounds) and the user (e.g., users with low levels of understanding ability). Inspired by recent advances in reinforcement learning (RL) for language generation tasks, we propose ANTOR, a method for Adaptive Natural language generation for Task-Oriented dialogue via Reinforcement learning. In ANTOR, a natural language understanding (NLU) module, which corresponds to the user's understanding of system utterances, is incorporated into the objective function of RL. If the NLG's intentions are correctly conveyed to the NLU, which understands a system's utterances, the NLG is given a positive reward. We conducted experiments on the MultiWOZ dataset, and we confirmed that ANTOR could generate adaptive utterances against speech recognition errors and the different vocabulary levels of users.
• Abstract（参考訳）: 実世界のタスク指向対話システムにおいて自然言語生成(nlg)コンポーネントが実装されている場合、訓練データで学習した自然発話だけでなく、対話環境(環境音からのノイズなど)やユーザ(例えば、理解能力の低いユーザ)に適応した発話を生成する必要がある。 言語生成タスクにおける強化学習(RL)の最近の進歩に触発されて,強化学習によるタスク指向対話のための適応自然言語生成手法であるANTORを提案する。 ANTORでは、ユーザのシステム発話に対する理解に対応する自然言語理解(NLU)モジュールがRLの目的関数に組み込まれている。 NLGの意図が、システムの発話を理解するNLUに正しく伝達される場合、NLGには肯定的な報酬が与えられる。 我々は,MultiWOZデータセットの実験を行い,ANTORが音声認識誤りやユーザの語彙レベルに適応的な発話を生成できることを確認した。

関連論文リスト

• Zero-Shot Goal-Directed Dialogue via RL on Imagined Conversations [70.7884839812069]
  大規模言語モデル(LLM)は、多くの自然言語タスクに対する強力で一般的な解決策として登場した。 しかしながら、言語生成の最も重要なアプリケーションの多くは対話的であり、エージェントは望ましい結果に達するために相手と話し合わなければならない。 本研究では,そのような目標指向対話に対して,RLでLLMを適応させる新しい手法について検討する。
  論文  参考訳（メタデータ） (2023-11-09T18:45:16Z)
• PADL: Language-Directed Physics-Based Character Control [66.517142635815]
  本稿では,文字が行うべきハイレベルなタスクと低レベルなスキルを指定するために,ユーザが自然言語コマンドを発行できるようにするPADLを提案する。 我々は,シミュレーションされたヒューマノイドキャラクタを効果的に誘導し,多種多様な複雑な運動能力を実現するために,本フレームワークを適用した。
  論文  参考訳（メタデータ） (2023-01-31T18:59:22Z)
• CHAI: A CHatbot AI for Task-Oriented Dialogue with Offline Reinforcement Learning [85.3987745097806]
  オフライン強化学習は、人間の話者から収集された静的データセットを使用して、対話エージェントをトレーニングするために使用することができる。 実験により,最近開発されたオフラインRL手法と言語モデルを組み合わせることで,現実的な対話エージェントが得られることが示された。
  論文  参考訳（メタデータ） (2022-04-18T17:43:21Z)
• Calibrate your listeners! Robust communication-based training for pragmatic speakers [30.731870275051957]
  本稿では,ニューラルリスナーの集団を用いた話者訓練の正規化手法を提案する。 言語ドリフトはニューラルリスナーの不確実性校正に起因していることを示す。 参照ゲームにおいて,両話者の目的を評価した結果,キャリブレーションを向上したアンサンブル方式により,話者が実用的な発話を生成できることが確認された。
  論文  参考訳（メタデータ） (2021-10-11T17:07:38Z)
• NaRLE: Natural Language Models using Reinforcement Learning with Emotion Feedback [0.37277730514654556]
  NARLEは、対話システムの自然言語理解を改善するためのフレームワークである。 2つの意図的分類問題に対して、事前学習された教師付き学習モデルの微調整に強化学習を用いることで、最大43%の性能を向上させることを実証的に示す。
  論文  参考訳（メタデータ） (2021-10-05T16:24:19Z)
• Contextual Biasing of Language Models for Speech Recognition in Goal-Oriented Conversational Agents [11.193867567895353]
  ゴール指向の会話インターフェイスは特定のタスクを達成するように設計されている。 推論時に提供されるサンプル発話にBERTから派生したコンテキスト埋め込みを利用する新しいアーキテクチャを提案する。 本実験では,目標指向音声データセットにおける非文脈発話レベルNLMレコレータに対する単語誤り率(WER)の相対的な7%の低減を示した。
  論文  参考訳（メタデータ） (2021-03-18T15:38:08Z)
• Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
  本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。 ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
  論文  参考訳（メタデータ） (2020-10-11T08:27:07Z)
• 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)
• Boosting Naturalness of Language in Task-oriented Dialogues via Adversarial Training [29.468502787886813]
  我々は、より人間的な反応を生み出すために、敵の訓練を統合することを提案する。 RNN-LGレストランデータセットでは、我々のモデルAdvNLGは、BLEUの3.6%で過去の最先端結果を上回っている。
  論文  参考訳（メタデータ） (2020-04-30T03:35:20Z)
• 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。