論文の概要: Conversational Semantic Role Labeling with Predicate-Oriented Latent Graph

• arxiv url: http://arxiv.org/abs/2210.03037v1
• Date: Thu, 6 Oct 2022 16:42:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 15:25:00.616075
• Title: Conversational Semantic Role Labeling with Predicate-Oriented Latent Graph
• Title（参考訳）: Predicate-Oriented Latent Graphを用いた会話セマンティック・ロールラベリング
• Authors: Hao Fei, Shengqiong Wu, Meishan Zhang, Yafeng Ren, Donghong Ji
• Abstract要約: 本稿では,述語中心のガウス機構を持つ述語指向潜在グラフ(POLar)を自動生成する。 POLar構造は動的に切断され、タスクニーズに最適なように洗練される。 さらに,対話レベルの事前学習型言語モデルであるCoDiaBERTを導入し,複数の発話文のサポートを向上する。
• 参考スコア（独自算出の注目度）: 40.43625257213158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational semantic role labeling (CSRL) is a newly proposed task that uncovers the shallow semantic structures in a dialogue text. Unfortunately several important characteristics of the CSRL task have been overlooked by the existing works, such as the structural information integration, near-neighbor influence. In this work, we investigate the integration of a latent graph for CSRL. We propose to automatically induce a predicate-oriented latent graph (POLar) with a predicate-centered Gaussian mechanism, by which the nearer and informative words to the predicate will be allocated with more attention. The POLar structure is then dynamically pruned and refined so as to best fit the task need. We additionally introduce an effective dialogue-level pre-trained language model, CoDiaBERT, for better supporting multiple utterance sentences and handling the speaker coreference issue in CSRL. Our system outperforms best-performing baselines on three benchmark CSRL datasets with big margins, especially achieving over 4% F1 score improvements on the cross-utterance argument detection. Further analyses are presented to better understand the effectiveness of our proposed methods.
• Abstract（参考訳）: 対話型セマンティックロールラベリング(CSRL)は、対話テキスト中の浅いセマンティック構造を明らかにするための新しいタスクである。 残念なことに、CSRLタスクの重要な特徴は、構造情報の統合、近傍の影響など、既存の作業によって見過ごされている。 本研究では,CSRLの潜在グラフの統合について検討する。 本稿では,述語中心のガウス的機構を持つ述語指向潜時グラフ(POLar)を自動生成し,述語に近づいた情報的単語をより注意して割り当てることを提案する。 POLar構造は動的に切断され、タスクニーズに最適なように洗練される。 また,CSRLにおける複数の発話文のより良いサポートと話者照合問題を扱うために,効果的な対話レベル事前学習言語モデルであるCoDiaBERTを導入する。 提案システムは,3つのベンチマークCSRLデータセットにおいて,特に4%以上のF1スコア向上を達成し,最高性能のベースラインを達成している。 提案手法の有効性をよりよく理解するためにさらに分析を行った。

関連論文リスト

• Multi-grained Hypergraph Interest Modeling for Conversational Recommendation [75.65483522949857]
  複雑な履歴データの下でユーザの興味を捉えるために, マルチグラデーション・ハイパーグラフ・インフォメーション・モデリング手法を提案する。 提案手法では,まず,ユーザの過去の対話セッションをモデル化し,セッションベースハイパーグラフを作成するためにハイパーグラフ構造を用いる。 さらに,2種類のハイパーグラフに対して多粒度ハイパーグラフの畳み込みを行い,拡張表現を用いて関心を意識したCRSを開発する。
  論文  参考訳（メタデータ） (2023-05-04T13:13:44Z)
• GRASP: Guiding model with RelAtional Semantics using Prompt [3.1275060062551208]
  本稿では Prompt (GRASP) を用いたRelAtional Semantics を用いた誘導モデルを提案する。 我々は、プロンプトベースの微調整アプローチを採用し、引数を意識したプロンプトマーカー戦略を用いて、ある対話における関係意味的手がかりをキャプチャする。 実験では、DialogREデータセット上でのF1とF1cのスコアの観点から、GRASPの最先端のパフォーマンスが評価された。
  論文  参考訳（メタデータ） (2022-08-26T08:19:28Z)
• Dialogue Meaning Representation for Task-Oriented Dialogue Systems [51.91615150842267]
  タスク指向対話のための柔軟かつ容易に拡張可能な表現である対話意味表現(DMR)を提案する。 我々の表現は、合成意味論とタスク固有の概念のためのリッチな意味論を表現するために、継承階層を持つノードとエッジのセットを含んでいる。 異なる機械学習ベースの対話モデルを評価するための2つの評価タスクを提案し、さらにグラフベースのコア参照解決タスクのための新しいコア参照解決モデルGNNCorefを提案する。
  論文  参考訳（メタデータ） (2022-04-23T04:17:55Z)
• Zero-shot Cross-lingual Conversational Semantic Role Labeling [30.28068025468505]
  ゼロショットクロスランガルCSRLを実現するための効果的な手法を提案する。 本モデルは,階層エンコーダを用いた言語に依存しない,対話型構造認識,意味的にリッチな表現を暗黙的に学習する。 英語における質問文書き直しタスクや,英語,ドイツ語,日本語における多方向対話応答生成タスクなど,中国語以外の会話タスクに対するCSRLの有用性を確認した。
  論文  参考訳（メタデータ） (2022-04-11T07:29:39Z)
• CSAGN: Conversational Structure Aware Graph Network for Conversational Semantic Role Labeling [27.528361001332264]
  この問題に対処することを目的とした,CSRLのためのシンプルで効果的なアーキテクチャを提案する。 本モデルは,話者依存情報を明示的に符号化する対話型構造認識グラフネットワークに基づいている。
  論文  参考訳（メタデータ） (2021-09-23T07:47:28Z)
• Supertagging Combinatory Categorial Grammar with Attentive Graph Convolutional Networks [34.74687603029737]
  そこで我々は,文脈情報を活用する新しい手法により,ニューラルネットワークのCCGスーパータグ付けを強化するため,注意グラフ畳み込みネットワークを提案する。 CCGbankで行った実験は、我々のアプローチがスーパータグとパーシングの両方で過去のすべての研究より優れていることを示した。
  論文  参考訳（メタデータ） (2020-10-13T01:58:29Z)
• Semantic Role Labeling Guided Multi-turn Dialogue ReWriter [63.07073750355096]
  意味的役割ラベル付け(SRL)を用いて、誰が誰に何をしたかのコアセマンティック情報を強調することを提案する。 実験の結果、この情報は従来の最先端システムよりも優れていたRoBERTaベースのモデルを大幅に改善することが示された。
  論文  参考訳（メタデータ） (2020-10-03T19:50:04Z)
• Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion [77.21442487537139]
  対話型レコメンデータシステム(CRS)は,対話型対話を通じて高品質なアイテムをユーザに推薦することを目的としている。 まず、会話データ自体にユーザの好みを正確に理解するための十分なコンテキスト情報がない。 第二に、自然言語表現とアイテムレベルのユーザ嗜好の間には意味的なギャップがある。
  論文  参考訳（メタデータ） (2020-07-08T11:14:23Z)
• 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)

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。