論文の概要: Zero and Few-Shot Localization of Task-Oriented Dialogue Agents with a Distilled Representation

• arxiv url: http://arxiv.org/abs/2302.09424v1
• Date: Sat, 18 Feb 2023 21:30:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 18:35:59.088987
• Title: Zero and Few-Shot Localization of Task-Oriented Dialogue Agents with a Distilled Representation
• Title（参考訳）: 蒸留表現を用いたタスク指向対話エージェントの零点および零点位置推定
• Authors: Mehrad Moradshahi, Sina J. Semnani, Monica S. Lam
• Abstract要約: 本稿では,高品質な対話エージェントを構築するために,ソース言語でToDトレーニングデータを使用する自動手法を提案する。 提案手法は,TODエージェントの複数ショットと既存のフルショットの精度ギャップを埋めるものである。
• 参考スコア（独自算出の注目度）: 5.551814548069404
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Task-oriented Dialogue (ToD) agents are mostly limited to a few widely-spoken languages, mainly due to the high cost of acquiring training data for each language. Existing low-cost approaches that rely on cross-lingual embeddings or naive machine translation sacrifice a lot of accuracy for data efficiency, and largely fail in creating a usable dialogue agent. We propose automatic methods that use ToD training data in a source language to build a high-quality functioning dialogue agent in another target language that has no training data (i.e. zero-shot) or a small training set (i.e. few-shot). Unlike most prior work in cross-lingual ToD that only focuses on Dialogue State Tracking (DST), we build an end-to-end agent. We show that our approach closes the accuracy gap between few-shot and existing full-shot methods for ToD agents. We achieve this by (1) improving the dialogue data representation, (2) improving entity-aware machine translation, and (3) automatic filtering of noisy translations. We evaluate our approach on the recent bilingual dialogue dataset BiToD. In Chinese to English transfer, in the zero-shot setting, our method achieves 46.7% and 22.0% in Task Success Rate (TSR) and Dialogue Success Rate (DSR) respectively. In the few-shot setting where 10% of the data in the target language is used, we improve the state-of-the-art by 15.2% and 14.0%, coming within 5% of full-shot training.
• Abstract（参考訳）: タスク指向対話(ToD)エージェントは、主に言語ごとのトレーニングデータを取得するコストが高いため、広く普及している言語に限られている。 言語間埋め込みやナイーブ機械翻訳に依存する既存の低コストアプローチは、データ効率に多くの精度を犠牲にして、使用可能な対話エージェントを作成することに失敗している。 学習データ(ゼロショット)や小さなトレーニングセット(マイノリティショット)を持たない他のターゲット言語において、高品質な対話エージェントを構築するために、ソース言語でtodトレーニングデータを使用する自動手法を提案する。 対話状態追跡(DST)のみに焦点を当てた言語間ToDにおける従来の作業とは異なり、エンドツーエンドエージェントを構築します。 提案手法は,TODエージェントの複数ショットと既存のフルショットの精度ギャップを埋めるものである。 本研究では,(1)対話データ表現の改善,(2)エンティティ認識機械翻訳の改善,(3)雑音翻訳の自動フィルタリングによって実現した。 近年のバイリンガル対話データセットであるBiToDについて検討した。 中国語から英語への移行では、ゼロショット設定では、タスク成功率(TSR)と対話成功率(DSR)それぞれ46.7%と22.0%を達成する。 ターゲット言語のデータの10%が使用されるいくつかのショット設定では、15.2%と14.0%の改善を行い、フルショットトレーニングの5%以内となる。

関連論文リスト

• Benchmarks Underestimate the Readiness of Multi-lingual Dialogue Agents [39.92509218078164]
  テキスト内学習が多言語TODに取り組むのに十分であることを示す。 我々は、中国語、英語、フランス語、韓国語、ヒンディー語、およびコードミキシングされたヒンディー語に12のドメインを持つ多言語TODデータセットX-RiSAWOZのアプローチを検証した。
  論文  参考訳（メタデータ） (2024-05-28T05:33:13Z)
• Weakly Supervised Data Augmentation Through Prompting for Dialogue Understanding [103.94325597273316]
  本稿では,弱教師付きフィルタを適用して拡張品質を反復する手法を提案する。 我々は、デイリーダイアログにおける感情と行動の分類タスクと、Facebook Multilingual Task-Oriented Dialogueにおける意図の分類タスクについて評価した。 特にDailyDialogでは、真理データの10%を使用して、100%のデータを使用する現在の最先端モデルよりも優れています。
  論文  参考訳（メタデータ） (2022-10-25T17:01:30Z)
• Multi2WOZ: A Robust Multilingual Dataset and Conversational Pretraining for Task-Oriented Dialog [67.20796950016735]
  Multi2WOZデータセットは、中国語、ドイツ語、アラビア語、ロシア語の4つの言語にまたがる。 本稿では,任意の下流TODタスクに対する言語間移動を容易にすることを目的とした,事前学習言語モデル(PrLM)の多言語会話特化のための新しいフレームワークを提案する。 実験の結果,目標言語における(I)会話の特殊化と,(II)具体的なTODタスクのための少数ショット転送の組み合わせが,ほとんどの場合,最高の性能を示すことがわかった。
  論文  参考訳（メタデータ） (2022-05-20T18:35:38Z)
• CrossAligner & Co: Zero-Shot Transfer Methods for Task-Oriented Cross-lingual Natural Language Understanding [18.14437842819122]
  CrossAlignerは、ゼロショット・クロスランガル転送のための様々な効果的な手法の主要な方法である。 本稿では,個々の手法と重み付けされた組み合わせの定量的分析を行い,その一部はSOTA(State-of-the-art)スコアを超えている。 最適手法の詳細な定性的誤り解析により、我々の微調整言語モデルが、予想よりも優れたタスク知識をゼロショット転送できることが示される。
  論文  参考訳（メタデータ） (2022-03-18T14:18:12Z)
• Cross-Lingual Dialogue Dataset Creation via Outline-Based Generation [70.81596088969378]
  言語間アウトラインに基づく対話データセット(COD)は、自然言語の理解を可能にする。 CODは、4つの異なる言語で対話状態の追跡とエンドツーエンドの対話モデリングと評価を可能にする。
  論文  参考訳（メタデータ） (2022-01-31T18:11:21Z)
• Contextual Semantic Parsing for Multilingual Task-Oriented Dialogues [7.8378818005171125]
  1つの言語で大規模な対話データセットをセットすると、機械翻訳を用いて他の言語に対して効果的な意味を自動生成できる。 本稿では、スロット値の忠実な翻訳を保証するために、アライメント付き対話データセットの自動翻訳を提案する。 簡潔な表現が翻訳誤りの複合効果を減少させることを示す。
  論文  参考訳（メタデータ） (2021-11-04T01:08:14Z)
• Cross-lingual Intermediate Fine-tuning improves Dialogue State Tracking [84.50302759362698]
  我々は、事前訓練された多言語モデルの中間微調整により、伝達学習プロセスを強化する。 我々は、パラレルおよび会話型の映画字幕データセットを使用して、言語間中間タスクを設計する。 パラレルなMultiWoZデータセットとMultilingual WoZデータセットの精度を20%向上させる。
  論文  参考訳（メタデータ） (2021-09-28T11:22:38Z)
• BiToD: A Bilingual Multi-Domain Dataset For Task-Oriented Dialogue Modeling [52.99188200886738]
  BiToDは、エンドツーエンドのタスク指向対話モデリングのための最初のバイリンガルなマルチドメインデータセットである。 BiToDには、大規模で現実的なバイリンガル知識ベースを持つ7k以上のマルチドメイン対話(144k発声)が含まれている。
  論文  参考訳（メタデータ） (2021-06-05T03:38:42Z)
• Multilingual Speech Translation with Efficient Finetuning of Pretrained Models [82.22294901727933]
  最小限のLNA(LayerNorm and Attention)ファインタニングは、ゼロショットのクロスリンガルおよびクロスモーダリティ転送能力を実現することができる。 本手法は多言語多言語モデルにおいて強いゼロショット性能を示す。
  論文  参考訳（メタデータ） (2020-10-24T08:15:08Z)

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。