論文の概要: Augmenting Task-Oriented Dialogue Systems with Relation Extraction
- arxiv url: http://arxiv.org/abs/2210.13344v1
- Date: Mon, 24 Oct 2022 15:49:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 14:11:35.973803
- Title: Augmenting Task-Oriented Dialogue Systems with Relation Extraction
- Title（参考訳）: 関係抽出によるタスク指向対話システムの拡張
- Authors: Andrew Lee, Zhenguo Chen, Kevin Leach, Jonathan K. Kummerfeld
- Abstract要約: 標準タスク指向対話パイプラインは、意図分類とスロットフィリングを使用してユーザの発話を解釈する。
本稿では,対話システムの機能拡張に有効な方法として,関係抽出をこのパイプラインに統合することを提案する。
- 参考スコア（独自算出の注目度）: 26.26253975922272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The standard task-oriented dialogue pipeline uses intent classification and
slot-filling to interpret user utterances. While this approach can handle a
wide range of queries, it does not extract the information needed to handle
more complex queries that contain relationships between slots. We propose
integration of relation extraction into this pipeline as an effective way to
expand the capabilities of dialogue systems. We evaluate our approach by using
an internal dataset with slot and relation annotations spanning three domains.
Finally, we show how slot-filling annotation schemes can be simplified once the
expressive power of relation annotations is available, reducing the number of
slots while still capturing the user's intended meaning.
- Abstract（参考訳）: 標準タスク指向対話パイプラインは、意図分類とスロットフィリングを使用してユーザの発話を解釈する。
このアプローチは幅広いクエリを扱うことができるが、スロット間の関係を含むより複雑なクエリを扱うのに必要な情報を取り出すことはできない。
本稿では,対話システムの機能拡張に有効な方法として,関係抽出のパイプラインへの統合を提案する。
3つの領域にまたがるスロットと関係アノテーションを持つ内部データセットを用いて,我々のアプローチを評価する。
最後に,関係アノテーションの表現能力が利用可能になった時点でスロット満載のアノテーションスキームを単純化し,ユーザの意図した意味を捉えながらスロット数を削減する方法を示す。
関連論文リスト
- Leveraging Inter-Chunk Interactions for Enhanced Retrieval in Large Language Model-Based Question Answering [12.60063463163226]
IIERは、構造、キーワード、セマンティックという3つのタイプの相互作用を考慮し、ドキュメントチャンク間の内部接続をキャプチャする。
対象の質問に基づいて複数のシードノードを特定し、関連するチャンクを反復的に検索して、支持する証拠を収集する。
コンテキストと推論チェーンを洗練し、推論と回答の生成において大きな言語モデルを支援する。
論文 参考訳（メタデータ） (2024-08-06T02:39:55Z) - Social Commonsense-Guided Search Query Generation for Open-Domain
Knowledge-Powered Conversations [66.16863141262506]
本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。
提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
論文 参考訳（メタデータ） (2023-10-22T16:14:56Z) - Insert-expansions for Tool-enabled Conversational Agents [0.0]
本稿では、Chain-of-Thought-Promptingによって生成される明確な推論経路におけるツール(あるいは"plug-ins")の使用に焦点を当てる。
ツールが使える会話エージェントは、検索エンジンや電卓などのツールが本来のユーザー意図から逸脱するなど、サイドトラック化されることが多い。
論文 参考訳（メタデータ） (2023-07-04T10:57:31Z) - Zero-Shot Dialogue Relation Extraction by Relating Explainable Triggers
and Relation Names [28.441725610692714]
本稿では,トリガを捕捉し,これまで見つからなかった関係名に関連付ける能力を活用する手法を提案する。
ベンチマークのDialogREデータセットを用いた実験により,提案モデルが目視関係と目視関係の両面で有意な改善を達成できることが示された。
論文 参考訳（メタデータ） (2023-06-09T07:10:01Z) - Improve Retrieval-based Dialogue System via Syntax-Informed Attention [46.79601705850277]
文内構文情報と文間構文情報の両方を考慮したSIA, Syntax-Informed Attentionを提案する。
提案手法を広範に使用した3つのベンチマークで評価し,対話応答選択における本手法の一般的な優位性を示す実験結果を得た。
論文 参考訳（メタデータ） (2023-03-12T08:14:16Z) - Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。
本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
論文 参考訳（メタデータ） (2022-02-28T20:18:12Z) - Text Summarization with Latent Queries [60.468323530248945]
本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。
本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。
本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
論文 参考訳（メタデータ） (2021-05-31T21:14:58Z) - Slot Self-Attentive Dialogue State Tracking [22.187581131353948]
スロット相関を自動的に学習できるスロット自己認識機構を提案する。
2つのマルチドメインタスク指向対話データセットの包括的な実験を行います。
論文 参考訳（メタデータ） (2021-01-22T22:48:51Z) - Reasoning in Dialog: Improving Response Generation by Context Reading
Comprehension [49.92173751203827]
マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。
読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
論文 参考訳（メタデータ） (2020-12-14T10:58:01Z) - Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。
予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
論文 参考訳（メタデータ） (2020-11-27T10:43:04Z)
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。