論文の概要: GraphWOZ: Dialogue Management with Conversational Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2211.12852v1
- Date: Wed, 23 Nov 2022 10:53:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 13:56:23.391010
- Title: GraphWOZ: Dialogue Management with Conversational Knowledge Graphs
- Title（参考訳）: GraphWOZ:会話知識グラフを用いた対話管理
- Authors: Nicholas Thomas Walker, Stefan Ultes, Pierre Lison
- Abstract要約: 本稿では,対話状態のコア表現として会話知識グラフを用いた対話管理手法を提案する。
我々は、人間の参加者が受付係として働くロボットと対話するウィザード・オブ・オズの対話を含む新しいデータセット、GraphWOZを導入する。
- 参考スコア（独自算出の注目度）: 2.938377447673471
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a new approach to dialogue management using conversational
knowledge graphs as core representation of the dialogue state. To this end, we
introduce a new dataset, GraphWOZ, which comprises Wizard-of-Oz dialogues in
which human participants interact with a robot acting as a receptionist. In
contrast to most existing work on dialogue management, GraphWOZ relies on a
dialogue state explicitly represented as a dynamic knowledge graph instead of a
fixed set of slots. This graph is composed of a varying number of entities
(such as individuals, places, events, utterances and mentions) and relations
between them (such as persons being part of a group or attending an event). The
graph is then regularly updated on the basis of new observations and system
actions. GraphWOZ is released along with detailed manual annotations related to
the user intents, system responses, and reference relations occurring in both
user and system turns. Based on GraphWOZ, we present experimental results for
two dialogue management tasks, namely conversational entity linking and
response ranking. For conversational entity linking, we show how to connect
utterance mentions to their corresponding entity in the knowledge graph with a
neural model relying on a combination of both string and graph-based features.
Response ranking is then performed by summarizing the relevant content of the
graph into a text, which is concatenated with the dialogue history and employed
as input to score possible responses to a given dialogue state.
- Abstract（参考訳）: 本稿では,対話状態のコア表現として会話知識グラフを用いた対話管理手法を提案する。
この目的のために,人間の参加者が受付係として働くロボットと対話する,Wizard-of-Oz対話を含む新しいデータセットGraphWOZを導入する。
対話管理に関する既存のほとんどの作業とは対照的に、GraphWOZはスロットの固定セットではなく、動的知識グラフとして明示的に表される対話状態に依存している。
このグラフは、さまざまなエンティティ(個人、場所、イベント、発話、言及など)とそれらの関係(グループの一員である人、イベントに参加する人など)で構成されている。
グラフは、新しい観測とシステムアクションに基づいて定期的に更新される。
GraphWOZは、ユーザ意図、システム応答、およびユーザとシステムターンの両方で発生する参照関係に関する詳細なマニュアルアノテーションとともにリリースされた。
GraphWOZに基づいて,対話型エンティティリンクと応答ランキングという2つの対話管理タスクの実験結果を示す。
対話型エンティティリンクでは,文字列とグラフに基づく特徴の組み合わせに依存したニューラルモデルを用いて,知識グラフ内の発話参照を対応するエンティティに接続する方法を示す。
次に、応答ランキングは、グラフの関連内容をテキストに要約し、対話履歴と連結し、所定の対話状態に対して可能な応答をスコアする入力として使用される。
関連論文リスト
- Generative Subgraph Retrieval for Knowledge Graph-Grounded Dialog Generation [17.437568540883106]
ダイアログGSR(Generative Subgraph Retrieval)を用いたダイアログ生成を提案する。
DialogGSRは、言語モデル上にトークンシーケンスを直接生成することで、関連する知識サブグラフを取得する。
OpenDialKGとKOMODISデータセットで示されるように、知識グラフ基底ダイアログ生成における最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-10-12T03:33:42Z) - G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering [61.93058781222079]
現実のテキストグラフを対象とするフレキシブルな問合せフレームワークを開発した。
一般のテキストグラフに対する最初の検索拡張生成(RAG)手法を提案する。
G-Retrieverは、このタスクをSteiner Tree最適化問題として定式化し、グラフ上でRAGを実行する。
論文 参考訳（メタデータ） (2024-02-12T13:13:04Z) - A Graph-to-Text Approach to Knowledge-Grounded Response Generation in
Human-Robot Interaction [2.3590037806133024]
本稿では,対話状態のグラフベース表現に基づく人間-ロボット間相互作用の新しい対話モデルを提案する。
ユーザの発話に応答するために使用されるニューラルネットワークモデルは、シンプルだが効果的なグラフ・トゥ・テキスト機構に依存している。
提案手法はヒューマノイドロボットを用いたユーザスタディにより実験的に評価される。
論文 参考訳（メタデータ） (2023-11-03T15:44:28Z) - Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。
ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文 参考訳（メタデータ） (2023-05-04T16:04:41Z) - 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) - Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。
エージェントは対話とマニュアルの両方からタスクを学習する。
提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
論文 参考訳（メタデータ） (2022-08-16T08:21:12Z) - GRADE: Automatic Graph-Enhanced Coherence Metric for Evaluating
Open-Domain Dialogue Systems [133.13117064357425]
自動対話評価のためのグラフ強調表現のための新しい評価指標GRADEを提案する。
具体的には、対話コヒーレンスを評価するために、粗粒度発話レベルの文脈化表現と細粒度トピックレベルのグラフ表現の両方を組み込んでいる。
実験の結果,GRADEは多様な対話モデルの測定において,他の最先端の指標よりも優れていた。
論文 参考訳（メタデータ） (2020-10-08T14:07:32Z) - GraphDialog: Integrating Graph Knowledge into End-to-End Task-Oriented
Dialogue Systems [9.560436630775762]
エンドツーエンドのタスク指向対話システムは,平易なテキスト入力から直接システム応答を生成することを目的としている。
1つは、外部知識ベース(KB)を学習フレームワークに効果的に組み込む方法であり、もう1つは、対話履歴のセマンティクスを正確に捉える方法である。
この2つの課題は、知識ベースと対話の依存性解析ツリーにおけるグラフ構造情報を活用することで解決される。
論文 参考訳（メタデータ） (2020-10-04T00:04:40Z) - Dialogue Relation Extraction with Document-level Heterogeneous Graph
Attention Networks [21.409522845011907]
対話関係抽出(DRE)は,多人数対話で言及される2つのエンティティ間の関係を検出することを目的としている。
本稿では,グラフが有意に接続された話者,エンティティ,エンティティタイプ,発話ノードを含むDREのためのグラフ注意ネットワーク方式を提案する。
このグラフに基づくアプローチは,対話における異なるエンティティペア間の関係を効果的に捉え,最先端のアプローチよりも優れていることを実証的に示す。
論文 参考訳（メタデータ） (2020-09-10T18:51:48Z) - Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。
グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
論文 参考訳（メタデータ） (2020-04-05T13:09:37Z)
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。