論文の概要: Schema Encoding for Transferable Dialogue State Tracking

• arxiv url: http://arxiv.org/abs/2210.02351v1
• Date: Wed, 5 Oct 2022 15:53:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 13:51:49.771064
• Title: Schema Encoding for Transferable Dialogue State Tracking
• Title（参考訳）: 転送可能な対話状態追跡のためのスキーマ符号化
• Authors: Hyunmin Jeon and Gary Geunbae Lee
• Abstract要約: 対話状態追跡(DST)はタスク指向対話システムにとって不可欠なサブタスクである。 最近の研究は、DSTのためのディープニューラルモデルに焦点を当てている。 他のドメインに適用するには、新しいデータセットが必要です。
• 参考スコア（独自算出の注目度）: 2.5838973036257458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dialogue state tracking (DST) is an essential sub-task for task-oriented dialogue systems. Recent work has focused on deep neural models for DST. However, the neural models require a large dataset for training. Furthermore, applying them to another domain needs a new dataset because the neural models are generally trained to imitate the given dataset. In this paper, we propose Schema Encoding for Transferable Dialogue State Tracking (SETDST), which is a neural DST method for effective transfer to new domains. Transferable DST could assist developments of dialogue systems even with few dataset on target domains. We use a schema encoder not just to imitate the dataset but to comprehend the schema of the dataset. We aim to transfer the model to new domains by encoding new schemas and using them for DST on multi-domain settings. As a result, SET-DST improved the joint accuracy by 1.46 points on MultiWOZ 2.1.
• Abstract（参考訳）: 対話状態追跡(DST)はタスク指向対話システムにとって不可欠なサブタスクである。 最近の研究はdstのディープニューラルモデルに焦点を当てている。 しかし、神経モデルはトレーニングのために大きなデータセットを必要とする。 さらに、ニューラルネットワークが与えられたデータセットを模倣するようにトレーニングされるため、別のドメインにそれらを適用するためには、新たなデータセットが必要になる。 本稿では、新しいドメインへの効果的な転送のためのニューラルネットワークDST法であるSETDST(Transferable Dialogue State Tracking)のスキーマ符号化を提案する。 転送可能なDSTは、ターゲットドメインのデータセットが少なくても対話システムの開発を支援することができる。 データセットを模倣するだけでなく、データセットのスキーマを理解するためにスキーマエンコーダを使用します。 我々は、新しいスキーマを符号化し、マルチドメイン設定でDSTに使用することにより、モデルを新しいドメインに転送することを目指している。 その結果、SET-DSTはMultiWOZ 2.1で関節の精度を1.46ポイント改善した。

関連論文リスト

• UNO-DST: Leveraging Unlabelled Data in Zero-Shot Dialogue State Tracking [54.51316566989655]
  従来のゼロショット対話状態追跡(DST)手法は、対象領域における非競合データを無視して、転送学習のみを適用した。 我々は,ゼロショットDSTを,ジョイントおよび自己学習手法による非ラベルデータを利用して,少数ショットDSTに変換する。 ゼロショットシナリオにおける汎用言語モデルに対する本手法の有効性を実証し、MultiWOZの全ドメインで平均的な共同ゴール精度を8%向上する。
  論文  参考訳（メタデータ） (2023-10-16T15:16:16Z)
• Choice Fusion as Knowledge for Zero-Shot Dialogue State Tracking [5.691339955497443]
  ゼロショットの対話状態トラッキング(DST)は、望ましいドメインをトレーニングすることなく、タスク指向の対話におけるユーザの要求を追跡する。 ドメインに依存しないQAデータセットに基づいて訓練し、ゼロショット対話状態生成のための知識としてスロット値の候補選択を直接利用するCoFunDSTを提案する。 提案手法は,MultiWOZ 2.1 における既存のゼロショット DST アプローチと比較して,精度が向上する。
  論文  参考訳（メタデータ） (2023-02-25T07:32:04Z)
• StorSeismic: A new paradigm in deep learning for seismic processing [0.0]
  StorSeismicは地震データ処理のフレームワークである。 我々は, 自己監督段階において, 人工的に生成された地震データとともに, 事前訓練を行った。 そして,ラベル付き合成データを用いて,事前学習したネットワークを教師付き方式で微調整し,各種の耐震処理を行う。
  論文  参考訳（メタデータ） (2022-04-30T09:55:00Z)
• Prompt Learning for Few-Shot Dialogue State Tracking [75.50701890035154]
  本稿では,限られたラベル付きデータを用いて,対話状態追跡(DST)モデルを効率的に学習する方法に焦点を当てる。 本稿では,2つの主要なコンポーネントである値ベースプロンプトと逆プロンプト機構からなる,数ショットDSTのためのプロンプト学習フレームワークを設計する。 実験により、我々のモデルは未確認のスロットを生成し、既存の最先端の数ショット法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-15T07:37:33Z)
• Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
  人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。 残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。 本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
  論文  参考訳（メタデータ） (2021-09-12T15:51:41Z)
• Domain Adaptation in Dialogue Systems using Transfer and Meta-Learning [12.64591916699374]
  現在の生成ベースの対話システムは、少量のターゲットデータしか利用できない場合、新しい未知のドメインに適応できない。 トランスファーとメタラーニングを組み合わせることにより,未知の領域に適応する手法を提案する。
  論文  参考訳（メタデータ） (2021-02-22T16:16:57Z)
• Few Shot Dialogue State Tracking using Meta-learning [3.6292310166028403]
  対話状態追跡(dst)は、ホテル、タクシー予約、観光情報など特定の目的のために設計された自動化システムのコアコンポーネントを形成する。 このようなシステムを新しいドメインにデプロイする必要性が高まっているため、ゼロ/フェーショットDSTの問題を解決する必要がある。 提案するメタラーナーは基礎モデルに依存しないため,既存のDSTシステムはトレーニング戦略を用いて未知領域の性能を向上させることができる。
  論文  参考訳（メタデータ） (2021-01-17T20:47:06Z)
• Improving Limited Labeled Dialogue State Tracking with Self-Supervision [91.68515201803986]
  既存の対話状態追跡(DST)モデルには多くのラベル付きデータが必要である。 本稿では,潜在的一貫性の維持と対話行動のモデル化という,自己指導型の2つの目的について検討する。 提案する自己教師型信号は,1%のラベル付きデータのみを使用する場合,関節ゴール精度を8.95%向上させることができる。
  論文  参考訳（メタデータ） (2020-10-26T21:57:42Z)
• Unsupervised Paraphrasing with Pretrained Language Models [85.03373221588707]
  教師なし環境で,事前学習した言語モデルを用いて高品質なパラフレーズを生成する訓練パイプラインを提案する。 提案手法は,タスク適応,自己スーパービジョン,動的ブロッキング(Dynamic Blocking)という新しい復号アルゴリズムから構成される。 提案手法は,Quora Question PairとParaNMTの両方のデータセット上で,最先端の性能を達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T11:55:28Z)
• Few-shot Natural Language Generation for Task-Oriented Dialog [113.07438787659859]
  FewShotWozは,タスク指向対話システムにおける数ショットの学習設定をシミュレートする最初の NLG ベンチマークである。 我々は, SC-GPTモデルを開発し, その制御可能な生成能力を得るために, 注釈付きNLGコーパスの大規模なセットで事前学習を行った。 FewShotWozとMulti-Domain-WOZデータセットの実験は、提案したSC-GPTが既存の手法を大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2020-02-27T18:48:33Z)

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。