論文の概要: DialogQAE: N-to-N Question Answer Pair Extraction from Customer Service Chatlog

• arxiv url: http://arxiv.org/abs/2212.07112v1
• Date: Wed, 14 Dec 2022 09:05:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 14:28:11.153820
• Title: DialogQAE: N-to-N Question Answer Pair Extraction from Customer Service Chatlog
• Title（参考訳）: dialogqae: カスタマサービスチャットログからn対n質問応答ペアを抽出する
• Authors: Xin Zheng, Tianyu Liu, Haoran Meng, Xu Wang, Yufan Jiang, Mengliang Rao, Binghuai Lin, Zhifang Sui, Yunbo Cao
• Abstract要約: そこで,N-to-NQA抽出タスクを提案する。 5つのカスタマサービスデータセット上で良好に機能する、エンドツーエンドと2段階のバリエーションを備えた、生成的/識別的タグ付けベースの一連の方法を紹介します。
• 参考スコア（独自算出の注目度）: 34.69426306212259
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Harvesting question-answer (QA) pairs from customer service chatlog in the wild is an efficient way to enrich the knowledge base for customer service chatbots in the cold start or continuous integration scenarios. Prior work attempts to obtain 1-to-1 QA pairs from growing customer service chatlog, which fails to integrate the incomplete utterances from the dialog context for composite QA retrieval. In this paper, we propose N-to-N QA extraction task in which the derived questions and corresponding answers might be separated across different utterances. We introduce a suite of generative/discriminative tagging based methods with end-to-end and two-stage variants that perform well on 5 customer service datasets and for the first time setup a benchmark for N-to-N DialogQAE with utterance and session level evaluation metrics. With a deep dive into extracted QA pairs, we find that the relations between and inside the QA pairs can be indicators to analyze the dialogue structure, e.g. information seeking, clarification, barge-in and elaboration. We also show that the proposed models can adapt to different domains and languages, and reduce the labor cost of knowledge accumulation in the real-world product dialogue platform.
• Abstract（参考訳）: カスタマーサービスチャットログからのQA(Harvesting question-aswer)ペアは、コールドスタートや継続的インテグレーションのシナリオにおいて、カスタマーサービスチャットボットの知識ベースを強化する効果的な方法です。 従来の作業では、顧客サービスチャットログから1対1のQAペアを取得しようとしたが、これは複合QA検索のためのダイアログコンテキストから不完全な発話を統合するのに失敗する。 本稿では,異なる発話間で導出質問と対応する回答を分離できるn-to-n qa抽出タスクを提案する。 5つのカスタマサービスデータセットで良好に機能するエンドツーエンドと2段階のバリエーションを備えた生成的/識別的タグ付けベースのメソッドスイートを導入し,発話およびセッションレベルの評価指標を備えたN-to-N DialogQAEのベンチマークを初めてセットアップした。 抽出されたQAペアを深く掘り下げると、QAペア内と内部の関係が、情報探索、明確化、バージイン、共同作業などの対話構造を分析する指標となることが分かる。 また,提案モデルは異なるドメインや言語に対応でき,実世界の製品対話プラットフォームにおける知識蓄積の作業コストを低減できることを示した。

関連論文リスト

• Q-TOD: A Query-driven Task-oriented Dialogue System [33.18698942938547]
  本稿では,新しい問合せ型タスク指向対話システム,すなわちQ-TODを紹介する。 対話コンテキストから必須情報をクエリに抽出し、応答生成のための関連する知識レコードを検索する。 提案するQ-TODの有効性を評価するために,3つの公開タスク指向対話データセットに対するクエリアノテーションを収集する。
  論文  参考訳（メタデータ） (2022-10-14T06:38:19Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• QAConv: Question Answering on Informative Conversations [85.2923607672282]
  ビジネスメールやパネルディスカッション,作業チャネルなど,情報的な会話に重点を置いています。 合計で、スパンベース、フリーフォーム、および回答不能な質問を含む34,204のQAペアを収集します。
  論文  参考訳（メタデータ） (2021-05-14T15:53:05Z)
• Towards Data Distillation for End-to-end Spoken Conversational Question Answering [65.124088336738]
  音声対話型質問応答タスク(SCQA)を提案する。 SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。 我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
  論文  参考訳（メタデータ） (2020-10-18T05:53:39Z)
• Matching Questions and Answers in Dialogues from Online Forums [12.64602629459043]
  会話における2つのターン間の質問・回答関係のマッチングは、対話構造を解析する最初のステップであるだけでなく、対話システムの訓練にも有用である。 本稿では、相互注意という2つの同時注意機構により、距離情報と対話履歴の両方を考慮したQAマッチングモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-19T08:18:52Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)
• Conversations with Search Engines: SERP-based Conversational Response Generation [77.1381159789032]
  我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。 また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。 CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
  論文  参考訳（メタデータ） (2020-04-29T13:07:53Z)

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。