論文の概要: Automated Interactive Domain-Specific Conversational Agents that Understand Human Dialogs

• arxiv url: http://arxiv.org/abs/2303.08941v1
• Date: Wed, 15 Mar 2023 21:10:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 17:50:00.833559
• Title: Automated Interactive Domain-Specific Conversational Agents that Understand Human Dialogs
• Title（参考訳）: 人間対話を理解する対話型ドメイン固有対話エージェント
• Authors: Yankai Zeng and Abhiramon Rajasekharan and Parth Padalkar and Kinjal Basu and Joaqu\'in Arias and Gopal Gupta
• Abstract要約: 大規模言語モデル(LLM)は、文の意味を真に理解するのではなく、パターンマッチングに依存している。 確実に正しい応答を生成するには、文の意味を「理解」する必要がある。 ASPを利用したAutoConciergeシステムについて述べる。
• 参考スコア（独自算出の注目度）: 4.212937192948915
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Achieving human-like communication with machines remains a classic, challenging topic in the field of Knowledge Representation and Reasoning and Natural Language Processing. These Large Language Models (LLMs) rely on pattern-matching rather than a true understanding of the semantic meaning of a sentence. As a result, they may generate incorrect responses. To generate an assuredly correct response, one has to "understand" the semantics of a sentence. To achieve this "understanding", logic-based (commonsense) reasoning methods such as Answer Set Programming (ASP) are arguably needed. In this paper, we describe the AutoConcierge system that leverages LLMs and ASP to develop a conversational agent that can truly "understand" human dialogs in restricted domains. AutoConcierge is focused on a specific domain-advising users about restaurants in their local area based on their preferences. AutoConcierge will interactively understand a user's utterances, identify the missing information in them, and request the user via a natural language sentence to provide it. Once AutoConcierge has determined that all the information has been received, it computes a restaurant recommendation based on the user-preferences it has acquired from the human user. AutoConcierge is based on our STAR framework developed earlier, which uses GPT-3 to convert human dialogs into predicates that capture the deep structure of the dialog's sentence. These predicates are then input into the goal-directed s(CASP) ASP system for performing commonsense reasoning. To the best of our knowledge, AutoConcierge is the first automated conversational agent that can realistically converse like a human and provide help to humans based on truly understanding human utterances.
• Abstract（参考訳）: 機械との人間的なコミュニケーションの実現は、知識表現と推論と自然言語処理の分野において、古典的な挑戦的なトピックである。 これらの大規模言語モデル(llm)は文の意味的意味を真に理解するよりもむしろパターンマッチングに依存している。 その結果、誤った反応が生じる可能性がある。 確実に正しい応答を生成するには、文の意味を「理解」する必要がある。 この"理解"を実現するには、Answer Set Programming(ASP)のようなロジックベースの(常識的な)推論手法が必要である。 本稿では,LLMとASPを利用したAutoConciergeシステムを用いて,制限されたドメインにおける人間の対話を真に"理解"できる対話エージェントを開発する。 AutoConciergeは、地域のレストランに関する特定のドメインアドバイスユーザーに焦点を当てている。 AutoConciergeは、ユーザの発話をインタラクティブに理解し、不足している情報を識別し、自然言語文を通じてユーザに提供を依頼する。 AutoConciergeがすべての情報が受信されたと判断すると、人間のユーザから取得したユーザの嗜好に基づいてレストランのレコメンデーションを計算します。 AutoConciergeは、GPT-3を使って、人間のダイアログを述語に変換し、ダイアログの文の深い構造をキャプチャする、我々のSTARフレームワークをベースにしています。 これらの述語は、コモンセンス推論を実行するためにゴール指向の s(CASP) ASP システムに入力される。 私たちの知る限りでは、AutoConciergeは人間のように現実的に会話し、人間の発話を真に理解した人間に助けを与える、初めての自動会話エージェントです。

関連論文リスト

• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• A Reliable Common-Sense Reasoning Socialbot Built Using LLMs and Goal-Directed ASP [3.17686396799427]
  自然言語を述語に翻訳するためにLLMモデルを用いたソーシャルボットであるAutoCompanionを提案する。 本稿では, LLM を用いてユーザメッセージを解析し, s(CASP) エンジン出力から応答を生成する手法について述べる。
  論文  参考訳（メタデータ） (2024-07-26T04:13:43Z)
• Parameter-Efficient Conversational Recommender System as a Language Processing Task [52.47087212618396]
  会話レコメンデータシステム(CRS)は,自然言語会話を通じてユーザの嗜好を喚起することで,ユーザに対して関連項目を推薦することを目的としている。 先行作業では、アイテムのセマンティック情報、対話生成のための言語モデル、関連する項目のランク付けのためのレコメンデーションモジュールとして、外部知識グラフを利用することが多い。 本稿では、自然言語の項目を表現し、CRSを自然言語処理タスクとして定式化する。
  論文  参考訳（メタデータ） (2024-01-25T14:07:34Z)
• Intent Recognition in Conversational Recommender Systems [0.0]
  会話における入力発話を文脈化するためのパイプラインを導入する。 次に、逆機能エンジニアリングを活用して、コンテキスト化された入力と学習モデルをリンクして、意図認識をサポートするための次のステップを踏み出します。
  論文  参考訳（メタデータ） (2022-12-06T11:02:42Z)
• GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
  ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。 GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。 評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
  論文  参考訳（メタデータ） (2022-06-22T18:19:32Z)
• Grounding in social media: An approach to building a chit-chat dialogue model [9.247397520986999]
  豊かな人間のような会話能力を持つオープンドメイン対話システムを構築することは、言語生成における根本的な課題の1つである。 知識に基づく対話生成に関する現在の研究は、主にウィキペディアのような事実に基づく構造化知識ソースを法人化または検索することに焦点を当てている。 本手法は,ソーシャルメディア上での人間の反応行動の模倣によって,システムの生会話能力を向上させることを目的とした,より広範かつシンプルなアプローチである。
  論文  参考訳（メタデータ） (2022-06-12T09:01:57Z)
• What is wrong with you?: Leveraging User Sentiment for Automatic Dialog Evaluation [73.03318027164605]
  本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。 本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
  論文  参考訳（メタデータ） (2022-03-25T22:09:52Z)
• User Response and Sentiment Prediction for Automatic Dialogue Evaluation [69.11124655437902]
  本稿では,次のユーザ発話の感情をターンレベル評価やダイアログレベル評価に利用することを提案する。 実験により,本モデルによる音声対話データセットと音声対話データセットの両方において,既存の自動評価指標よりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2021-11-16T22:19:17Z)
• Saying No is An Art: Contextualized Fallback Responses for Unanswerable Dialogue Queries [3.593955557310285]
  ほとんどの対話システムは、ランク付けされた応答を生成するためのハイブリッドアプローチに依存している。 ユーザクエリに対して文脈的に認識された応答を生成するニューラルネットワークを設計する。 我々の単純なアプローチでは、依存関係解析のルールと、質問応答ペアの合成データに基づいて微調整されたテキストからテキストへの変換を行う。
  論文  参考訳（メタデータ） (2020-12-03T12:34:22Z)
• A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
  Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。