論文の概要: Zero-Shot Prompting for Implicit Intent Prediction and Recommendation with Commonsense Reasoning

• arxiv url: http://arxiv.org/abs/2210.05901v2
• Date: Tue, 6 Jun 2023 01:42:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 21:45:16.732113
• Title: Zero-Shot Prompting for Implicit Intent Prediction and Recommendation with Commonsense Reasoning
• Title（参考訳）: インシシデント予測のためのゼロショットプロンプトとコモンセンス推論による勧告
• Authors: Hui-Chi Kuo, Yun-Nung Chen
• Abstract要約: 本稿では,ユーザ発話に基づいて暗黙の意図を自動推論する多ドメイン対話システムを提案する。 提案フレームワークは暗黙の意図の実現に有効であり,0ショット方式でボットを推奨する。
• 参考スコア（独自算出の注目度）: 28.441725610692714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent virtual assistants are currently designed to perform tasks or services explicitly mentioned by users, so multiple related domains or tasks need to be performed one by one through a long conversation with many explicit intents. Instead, human assistants are capable of reasoning (multiple) implicit intents based on user utterances via commonsense knowledge, reducing complex interactions and improving practicality. Therefore, this paper proposes a framework of multi-domain dialogue systems, which can automatically infer implicit intents based on user utterances and then perform zero-shot prompting using a large pre-trained language model to trigger suitable single task-oriented bots. The proposed framework is demonstrated effective to realize implicit intents and recommend associated bots in a zero-shot manner.
• Abstract（参考訳）: インテリジェントな仮想アシスタントは、現在ユーザーが明示的に述べたタスクやサービスを実行するように設計されているため、複数の関連するドメインやタスクは、多くの明示的な意図と長い会話を通じてひとつずつ実行する必要がある。 その代わり、人間のアシスタントは、常識的知識を通じてユーザー発話に基づいて暗黙の意図を推論し、複雑な相互作用を減らし、実用性を向上させることができる。 そこで本稿では,ユーザ発話に基づいて暗黙の意図を自動的に推論し,学習済みの大規模言語モデルを用いてゼロショットプロンプトを行い,適切なタスク指向のボットを起動する多ドメイン対話システムを提案する。 提案フレームワークは暗黙の意図の実現に有効であり,0ショット方式でボットを推奨する。

関連論文リスト

• IntentGPT: Few-shot Intent Discovery with Large Language Models [9.245106106117317]
  我々は、新たな意図が現れると識別できるモデルを開発する。 IntentGPTは、Large Language Models (LLM) を効果的に促し、最小限のラベル付きデータで新しいインテントを発見する、トレーニング不要の手法である。 実験の結果,IntentGPTはドメイン固有データと微調整を必要とする従来の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-11-16T02:16:59Z)
• Empowering Whisper as a Joint Multi-Talker and Target-Talker Speech Recognition System [73.34663391495616]
  本稿では,複数話者と目標話者の音声認識タスクを併用する先駆的手法を提案する。 具体的には、Whisperを凍結し、Sidecarセパレータをエンコーダに差し込み、複数の話者に対する混合埋め込みを分離する。 AishellMix Mandarin データセット上で,マルチストーカー ASR 上で許容できるゼロショット性能を提供する。
  論文  参考訳（メタデータ） (2024-07-13T09:28:24Z)
• Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents [110.25679611755962]
  現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。 Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。 私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
  論文  参考訳（メタデータ） (2024-02-14T14:36:30Z)
• IntentDial: An Intent Graph based Multi-Turn Dialogue System with Reasoning Path Visualization [24.888848712778664]
  本稿では,グラフに基づくマルチターン対話システムを提案する。 強化学習を用いて、グラフから意図要素と標準クエリを識別することで、ユーザの意図を識別する。
  論文  参考訳（メタデータ） (2023-10-18T09:21:37Z)
• Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue Systems [109.16553492049441]
  よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。 我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
  論文  参考訳（メタデータ） (2022-03-20T17:51:49Z)
• A Persistent Spatial Semantic Representation for High-level Natural Language Instruction Execution [54.385344986265714]
  本稿では,言語行動とロボット行動のギャップを埋めるために,永続的な空間意味表現法を提案する。 一般的なステップバイステップ命令を完全に回避しながら、ALFREDベンチマークに対する我々のアプローチを評価し、最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-07-12T17:47:19Z)
• Continuous representations of intents for dialogue systems [10.031004070657122]
  最近まで、焦点は固定された、離散的な多くの意図を検出することであった。 近年,ゼロショット学習の文脈において,無意識の意図検出に関するいくつかの研究が行われている。 本稿では,専門家のIntent Spaceに意図を連続的に配置する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-08T15:08:20Z)
• Resolving Intent Ambiguities by Retrieving Discriminative Clarifying Questions [6.905422991603534]
  本稿では,単純なルールベースシステムを用いて,識別的質問を生成する新しい手法を提案する。 提案手法は,2つの意図の識別を目的としているが,複数の意図の明確化に容易に拡張することができる。
  論文  参考訳（メタデータ） (2020-08-17T18:11:13Z)
• Intent Mining from past conversations for conversational agent [1.9754522186574608]
  ボットは、ラウンド・ザ・タイムのサポートと顧客エンゲージメントを高めるために、ますますデプロイされている。 商用ボット構築フレームワークの多くは、ユーザ入力を認識するためのインテントモデルの構築とトレーニングを必要とする標準的なアプローチに従っている。 我々は、不均衡なデータクラスタリングのための新しい密度ベースクラスタリングアルゴリズムITERDB-LabelSCANを導入した。
  論文  参考訳（メタデータ） (2020-05-22T05:29:13Z)
• Inferring Temporal Compositions of Actions Using Probabilistic Automata [61.09176771931052]
  本稿では,動作の時間的構成を意味正規表現として表現し,確率的オートマトンを用いた推論フレームワークを提案する。 我々のアプローチは、長い範囲の複雑なアクティビティを、順序のないアトミックアクションのセットとして予測するか、自然言語文を使ってビデオを取得するという既存の研究とは異なる。
  論文  参考訳（メタデータ） (2020-04-28T00:15:26Z)
• Efficient Intent Detection with Dual Sentence Encoders [53.16532285820849]
  本稿では,USE や ConveRT などの事前訓練された二重文エンコーダによるインテント検出手法を提案する。 提案するインテント検出器の有用性と適用性を示し,完全なBERT-Largeモデルに基づくインテント検出器よりも優れた性能を示す。 コードだけでなく、新しい挑戦的な単一ドメイン意図検出データセットもリリースしています。
  論文  参考訳（メタデータ） (2020-03-10T15:33:54Z)

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。