Fugu-MT 論文翻訳(概要): Evaluating Agent Interactions Through Episodic Knowledge Graphs

論文の概要: Evaluating Agent Interactions Through Episodic Knowledge Graphs

arxiv url: http://arxiv.org/abs/2209.11746v1
Date: Thu, 22 Sep 2022 12:42:09 GMT
ステータス: 処理完了
システム内更新日: 2022-09-26 13:59:02.326194
Title: Evaluating Agent Interactions Through Episodic Knowledge Graphs
Title（参考訳）: エピソード知識グラフによるエージェントインタラクションの評価
Authors: Selene B\'aez Santamar\'ia, Piek Vossen, Thomas Baier
Abstract要約: オープンドメインにおける会話エージェント(マルチモーダル)を評価するための,eKG(epsodic Knowledge Graphs)に基づく新しい手法を提案する。このグラフは会話中に生の信号を解釈することで生成され、時間とともに知識の蓄積を捉えることができる。
参考スコア（独自算出の注目度）: 2.166951056466717
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a new method based on episodic Knowledge Graphs (eKGs) for evaluating (multimodal) conversational agents in open domains. This graph is generated by interpreting raw signals during conversation and is able to capture the accumulation of knowledge over time. We apply structural and semantic analysis of the resulting graphs and translate the properties into qualitative measures. We compare these measures with existing automatic and manual evaluation metrics commonly used for conversational agents. Our results show that our Knowledge-Graph-based evaluation provides more qualitative insights into interaction and the agent's behavior.
Abstract（参考訳）: オープンドメインにおける会話エージェント(マルチモーダル)を評価するための,eKG(epsodic Knowledge Graphs)に基づく新しい手法を提案する。このグラフは会話中に生の信号を解釈することで生成され、時間とともに知識の蓄積を捉えることができる。得られたグラフの構造と意味解析を適用し,その特性を質的尺度に変換する。これらの尺度を,会話エージェントによく用いられる既存の自動評価指標と手作業による評価指標と比較する。我々の知識グラフに基づく評価は,インタラクションやエージェントの行動に対する質的な洞察を提供する。

関連論文リスト

Knowledge acquisition for dialogue agents using reinforcement learning on graph representations [2.3851115175441193]
本研究は,初等訓練以上の知識基盤を増強するための人工エージェントを開発する。エージェントは他のエージェントとの対話に積極的に参加し、戦略的に新しい情報を取得する。インタラクション中に有効なグラフパターンを選択するために、強化学習を用いてポリシーを学習できることが示される。
論文参考訳（メタデータ） (2024-06-27T19:28:42Z)
Revisiting Self-supervised Learning of Speech Representation from a Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文参考訳（メタデータ） (2024-01-16T21:13:22Z)
Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。 KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。 KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
論文参考訳（メタデータ） (2023-12-18T06:41:23Z)
CADGE: Context-Aware Dialogue Generation Enhanced with Graph-Structured Knowledge Aggregation [25.56539617837482]
コンテキスト対応グラフアテンションモデル(Context-aware GAT)を提案する。これは、コンテキスト強化された知識集約機構を通じて、関連する知識グラフからグローバルな特徴を同化する。実験により,本フレームワークは従来のGNNベース言語モデルよりも性能が優れていることが示された。
論文参考訳（メタデータ） (2023-05-10T16:31:35Z)
Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文参考訳（メタデータ） (2023-05-04T16:04:41Z)
RT-KGD: Relation Transition Aware Knowledge-Grounded Dialogue Generation [20.37399983466163]
関係遷移を考慮した知識包含対話生成モデル(RT-KGD)を提案する。具体的には、人間会話の潜在論理に触発され、対話レベルの関係遷移規則とターンレベルのエンティティ意味情報を統合する。このように、知識間の相互作用は、適切な知識を予測し、一貫性のある応答を生成するための豊富な手がかりを生み出すと考えられる。
論文参考訳（メタデータ） (2022-07-17T16:07:38Z)
Exploring and mining attributed sequences of interactions [0.1933681537640272]
私たちはインタラクションをストリームグラフとしてモデル化します。ラベル付きストリームグラフ上に閉じたパターンを列挙するアルゴリズムを導入し、関連する閉じたパターンを選択する方法を導入する。学生間の相互作用と著者間の引用の2つの実世界のデータセットについて実験を行った。
論文参考訳（メタデータ） (2021-07-28T12:53:46Z)
GRADE: Automatic Graph-Enhanced Coherence Metric for Evaluating Open-Domain Dialogue Systems [133.13117064357425]
自動対話評価のためのグラフ強調表現のための新しい評価指標GRADEを提案する。具体的には、対話コヒーレンスを評価するために、粗粒度発話レベルの文脈化表現と細粒度トピックレベルのグラフ表現の両方を組み込んでいる。実験の結果,GRADEは多様な対話モデルの測定において,他の最先端の指標よりも優れていた。
論文参考訳（メタデータ） (2020-10-08T14:07:32Z)
ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
論文参考訳（メタデータ） (2020-08-14T09:11:18Z)
A Graph-based Interactive Reasoning for Human-Object Interaction Detection [71.50535113279551]
本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。 In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
論文参考訳（メタデータ） (2020-07-14T09:29:03Z)
Benchmarking neural embeddings for link prediction in knowledge graphs under semantic and structural changes [6.23228063561537]
本稿では,ニューラルネットワークの精度をベンチマークするオープンソースの評価パイプラインを提案する。我々は,リンク予測能力と知識グラフの構造を接続する関係中心の接続手段を定義する。
論文参考訳（メタデータ） (2020-05-15T17:15:45Z)

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。