論文の概要: Commonsense-Aware Prompting for Controllable Empathetic Dialogue Generation

• arxiv url: http://arxiv.org/abs/2302.01441v1
• Date: Thu, 2 Feb 2023 22:04:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-06 18:08:19.279408
• Title: Commonsense-Aware Prompting for Controllable Empathetic Dialogue Generation
• Title（参考訳）: 制御可能な共感対話生成のためのコモンセンス対応プロンプト
• Authors: Yiren Liu, Halil Kilicoglu
• Abstract要約: 事前学習された言語モデルを用いた共感的対話生成を改善する新しいフレームワークを提案する。 社会的コモンセンス知識の導入と世代管理の実施が世代業績の向上に寄与することを明らかにする実験を行った。
• 参考スコア（独自算出の注目度）: 1.0558951653323283
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Improving the emotional awareness of pre-trained language models is an emerging important problem for dialogue generation tasks. Although prior studies have introduced methods to improve empathetic dialogue generation, few have discussed how to incorporate commonsense knowledge into pre-trained language models for controllable dialogue generation. In this study, we propose a novel framework that improves empathetic dialogue generation using pre-trained language models by 1) incorporating commonsense knowledge through prompt verbalization, and 2) controlling dialogue generation using a strategy-driven future discriminator. We conducted experiments to reveal that both the incorporation of social commonsense knowledge and enforcement of control over generation help to improve generation performance. Finally, we discuss the implications of our study for future research.
• Abstract（参考訳）: 事前学習された言語モデルの感情的認識を改善することは対話生成タスクにとって重要な問題である。 従来の研究は共感的対話生成を改善する手法を導入しているが、制御可能な対話生成のための訓練済み言語モデルにコモンセンス知識を組み込む方法についての議論は少ない。 本研究では,事前学習言語モデルを用いた共感的対話生成を改善する新しいフレームワークを提案する。 1)迅速な言語化による常識知識の活用 2)戦略駆動型未来判別器を用いた対話生成制御 社会的コモンセンス知識の導入と世代管理の実施が世代業績の向上に寄与することを明らかにする実験を行った。 最後に,今後の研究に向けた研究の意義について論じる。

関連論文リスト

• WavChat: A Survey of Spoken Dialogue Models [66.82775211793547]
  GPT-4oのようなシステムで実証された音声対話モデルの最近の進歩は、音声領域において大きな注目を集めている。 これらの高度な音声対話モデルは、音声、音楽、その他の音声関連の特徴を理解するだけでなく、音声のスタイリスティックな特徴や音節的な特徴も捉える。 音声対話システムの進歩にもかかわらず、これらのシステムを体系的に組織化し分析する包括的調査が欠如している。
  論文  参考訳（メタデータ） (2024-11-15T04:16:45Z)
• Towards Harnessing Large Language Models for Comprehension of Conversational Grounding [1.8434042562191812]
  本研究では,対話を分類する際の大規模言語モデルの能力について,明示的あるいは暗黙的な接地と,接地された知識要素の予測に関する考察を行った。 実験の結果,2つの課題において大きな言語モデルが直面する課題が明らかになった。 これらのイニシアチブは、会話における基礎知識の複雑さを扱うために、より効果的な対話システムを開発することを目的としている。
  論文  参考訳（メタデータ） (2024-06-03T19:34:39Z)
• FutureTOD: Teaching Future Knowledge to Pre-trained Language Model for Task-Oriented Dialogue [20.79359173822053]
  本稿では,対話前学習モデルFutureTODを提案する。 我々の直感は、良い対話表現はどちらも局所的な文脈情報を学び、将来の情報を予測することである。
  論文  参考訳（メタデータ） (2023-06-17T10:40:07Z)
• Controllable Mixed-Initiative Dialogue Generation through Prompting [50.03458333265885]
  混合開始対話タスクには、情報の繰り返し交換と会話制御が含まれる。 エージェントは、ポリシープランナーが定める特定の対話意図や戦略に従う応答を生成することにより、コントロールを得る。 標準的なアプローチは、これらの意図に基づいて生成条件を実行するために、訓練済みの言語モデルを微調整している。 代わりに、条件生成の微調整に代えて、大きな言語モデルをドロップインで置き換えるように促します。
  論文  参考訳（メタデータ） (2023-05-06T23:11:25Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。 本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。 さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
  論文  参考訳（メタデータ） (2021-10-11T03:52:37Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  対話モデリングの観点から,従来の手法を検討した。 対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
  論文  参考訳（メタデータ） (2021-03-04T15:50:17Z)
• Knowledge-Grounded Dialogue Generation with Pre-trained Language Models [74.09352261943911]
  我々は、事前学習された言語モデルを用いた知識基底対話生成について研究する。 本稿では,知識選択モジュールを用いた事前学習言語モデルによって定義された等価応答生成を提案する。
  論文  参考訳（メタデータ） (2020-10-17T16:49:43Z)
• Knowledge Injection into Dialogue Generation via Language Models [85.65843021510521]
  InjKは対話生成モデルに知識を注入するための2段階のアプローチである。 まず、大規模言語モデルをトレーニングし、テキスト知識としてクエリする。 次に、対話生成モデルを作成し、テキスト知識と対応する応答を逐次生成する。
  論文  参考訳（メタデータ） (2020-04-30T07:31:24Z)

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。