論文の概要: Construction Repetition Reduces Information Rate in Dialogue
- arxiv url: http://arxiv.org/abs/2210.08321v1
- Date: Sat, 15 Oct 2022 15:44:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 18:17:02.524681
- Title: Construction Repetition Reduces Information Rate in Dialogue
- Title（参考訳）: 建設繰り返しは対話における情報レートを減少させる
- Authors: Mario Giulianelli, Arabella Sinclair, Raquel Fern\'andez
- Abstract要約: 英語のオープンドメイン音声対話における語彙構成の反復について検討する。
建設利用が発話の情報量を減らすことを観察する。
- 参考スコア（独自算出の注目度）: 2.1104930506758275
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Speakers repeat constructions frequently in dialogue. Due to their peculiar
information-theoretic properties, repetitions can be thought of as a strategy
for cost-effective communication. In this study, we focus on the repetition of
lexicalised constructions -- i.e., recurring multi-word units -- in English
open-domain spoken dialogues. We hypothesise that speakers use construction
repetition to mitigate information rate, leading to an overall decrease in
utterance information content over the course of a dialogue. We conduct a
quantitative analysis, measuring the information content of constructions and
that of their containing utterances, estimating information content with an
adaptive neural language model. We observe that construction usage lowers the
information content of utterances. This facilitating effect (i) increases
throughout dialogues, (ii) is boosted by repetition, (iii) grows as a function
of repetition frequency and density, and (iv) is stronger for repetitions of
referential constructions.
- Abstract（参考訳）: 話者は対話で頻繁に構成を繰り返す。
その特異な情報理論的な性質から、反復はコスト効率の良いコミュニケーションの戦略と考えることができる。
本研究では,英語のオープンドメイン音声対話における語彙化構成の繰り返し,すなわち多単語単位の繰り返しに注目した。
我々は、話者が構築繰り返しを使用して情報レートを緩和し、対話の過程で発話情報の内容が全体的に減少する、という仮説を立てた。
本研究では,構文情報の内容とそれらを含む発話情報を測定し,適応型ニューラルネットワークモデルを用いて情報内容の推定を行う。
建設利用が発話の情報量を減らすことを観察する。
この促進効果は
(i)対話を通して増加する
(ii)繰り返しによって押し上げられる。
(iii)繰り返し頻度と密度の関数として成長し、
(iv)参照構成の繰り返しはより強固である。
関連論文リスト
- SPECTRUM: Speaker-Enhanced Pre-Training for Long Dialogue Summarization [48.284512017469524]
マルチターン対話は、その長さとターンテイクな会話の存在によって特徴づけられる。
伝統的な言語モデルは、しばしばそれらの対話の特徴を通常のテキストとして扱うことによって見落としている。
長文対話要約のための話者強化事前学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-31T04:50:00Z) - Enhancing Argument Structure Extraction with Efficient Leverage of
Contextual Information [79.06082391992545]
本稿では,コンテキスト情報を完全に活用する効率的なコンテキスト認識モデル(ECASE)を提案する。
文脈情報や議論情報を集約するために,シーケンスアテンションモジュールと距離重み付き類似度損失を導入する。
各種ドメインの5つのデータセットに対する実験により,我々のモデルが最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2023-10-08T08:47:10Z) - Improving Speaker Diarization using Semantic Information: Joint Pairwise
Constraints Propagation [53.01238689626378]
本稿では,話者ダイアリゼーションシステムにおける意味情報を活用する新しい手法を提案する。
音声言語理解モジュールを導入し、話者関連意味情報を抽出する。
本稿では,これらの制約を話者ダイアリゼーションパイプラインに統合する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-09-19T09:13:30Z) - Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。
我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。
我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-06-06T19:17:47Z) - Learning to Memorize Entailment and Discourse Relations for
Persona-Consistent Dialogues [8.652711997920463]
既存の作業は、高度ネットワーク構造を持つ対話者ペルソナを意図的に学習することで、対話システムの性能を改善した。
本研究は,ペルソナ一貫性のある対話課題における係り受け関係と談話関係を記憶する学習方法を提案する。
論文 参考訳（メタデータ） (2023-01-12T08:37:00Z) - Who says like a style of Vitamin: Towards Syntax-Aware
DialogueSummarization using Multi-task Learning [2.251583286448503]
個々の話者からの発声と独特の統語構造との関係に焦点をあてる。
話者は、音声プリントのような言語情報を含むことができる独自のテキストスタイルを持つ。
構文認識情報と対話要約の両方をマルチタスクで学習する。
論文 参考訳（メタデータ） (2021-09-29T05:30:39Z) - Speaker-Oriented Latent Structures for Dialogue-Based Relation
Extraction [10.381257436462116]
そこで我々は,話者指向の潜在構造を明瞭に誘導し,DiaREを改善する新しいモデルSOLSを提案する。
具体的には,発話境界を超えたトークン間の関係を捉えるために,潜在構造を学習する。
学習過程において、話者固有の正規化手法は、話者に関連するキーキーを徐々に強調し、無関係なキーを消去する。
論文 参考訳（メタデータ） (2021-09-11T04:24:51Z) - Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。
バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
論文 参考訳（メタデータ） (2020-09-17T23:07:03Z) - Ranking Enhanced Dialogue Generation [77.8321855074999]
対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。
これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。
本稿では,ランキング拡張対話生成フレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-13T01:49:56Z) - Topic Propagation in Conversational Search [0.0]
会話の文脈では、ユーザは、自然言語質問のシーケンスとして、多面的な情報を必要とすることを表現します。
筆者らは,2019 TREC Conversational Assistant Track (CAsT) フレームワークを用いて, (i) トピック認識発話の書き直し, (ii) 書き直された発話の候補節の検索, (iii) ニューラルネットワークによる候補節の再ランク付けを行う。
論文 参考訳（メタデータ） (2020-04-29T10:06:00Z)
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。