論文の概要: More Robust Schema-Guided Dialogue State Tracking via Tree-Based
Paraphrase Ranking
- arxiv url: http://arxiv.org/abs/2303.09905v1
- Date: Fri, 17 Mar 2023 11:43:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 14:52:53.767808
- Title: More Robust Schema-Guided Dialogue State Tracking via Tree-Based
Paraphrase Ranking
- Title(参考訳): tree-based paraphrase ranking によるよりロバストなスキーマ誘導対話状態追跡
- Authors: A. Coca, B.H. Tseng, W. Lin, B. Byrne
- Abstract要約: スキーマ誘導対話状態追跡(DST)構築に優れた微調整言語モデル
本稿では,木に基づくランキングを用いて,多様性と意味的忠実度を協調的に最適化する合成スキーマを生成するフレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The schema-guided paradigm overcomes scalability issues inherent in building
task-oriented dialogue (TOD) agents with static ontologies. Instead of
operating on dialogue context alone, agents have access to hierarchical schemas
containing task-relevant natural language descriptions. Fine-tuned language
models excel at schema-guided dialogue state tracking (DST) but are sensitive
to the writing style of the schemas. We explore methods for improving the
robustness of DST models. We propose a framework for generating synthetic
schemas which uses tree-based ranking to jointly optimise lexical diversity and
semantic faithfulness. The generalisation of strong baselines is improved when
augmenting their training data with prompts generated by our framework, as
demonstrated by marked improvements in average joint goal accuracy (JGA) and
schema sensitivity (SS) on the SGD-X benchmark.
- Abstract(参考訳): スキーマ誘導パラダイムは、静的オントロジーを用いたタスク指向対話(TOD)エージェントの構築に固有のスケーラビリティ問題を克服する。
エージェントは対話コンテキストのみで動作する代わりに、タスク関連自然言語記述を含む階層スキーマにアクセスすることができる。
微調整言語モデルは、スキーマ誘導対話状態追跡(DST)において優れているが、スキーマの書き込みスタイルに敏感である。
DSTモデルのロバスト性を改善する方法について検討する。
本稿では,木に基づくランキングを用いて,語彙の多様性と意味的忠実度を協調的に最適化する合成スキーマを生成するフレームワークを提案する。
sgd-xベンチマークにおける平均目標精度 (jga) とスキーマ感度 (ss) の著しい改善が示されるように, トレーニングデータをプロンプトで拡張することで, 強力なベースラインの一般化が向上した。
関連論文リスト
- Dynamic Syntax Mapping: A New Approach to Unsupervised Syntax Parsing [0.0]
本研究では,言語モデル,特に注意分布が構文依存をカプセル化できるという前提について検討する。
本稿ではこれらの構造を誘導するための革新的なアプローチである動的構文マッピング(DSM)を紹介する。
本研究により, 自然言語データの解析精度が向上することが明らかとなった。
論文 参考訳(メタデータ) (2023-12-18T10:34:29Z) - TOD-Flow: Modeling the Structure of Task-Oriented Dialogues [77.15457469745364]
ダイアログを付加した対話データからTOD-Flowグラフを推定する手法を提案する。
推定されたTOD-Flowグラフは、任意の対話モデルと容易に統合することができ、予測性能、透明性、制御性を改善することができる。
論文 参考訳(メタデータ) (2023-12-07T20:06:23Z) - Grounding Description-Driven Dialogue State Trackers with
Knowledge-Seeking Turns [54.56871462068126]
人または合成スキーマのパラフレーズによるトレーニングセットの強化は、これらのバリエーションに対するモデルの堅牢性を改善するが、コストがかかるか、制御が難しいかのいずれかである。
本稿では,対話コーパスとスキーマから収集した知識探索ターンの状態追跡モデルに基づいて,これらの問題を回避することを提案する。
論文 参考訳(メタデータ) (2023-09-23T18:33:02Z) - Span-Selective Linear Attention Transformers for Effective and Robust
Schema-Guided Dialogue State Tracking [7.176787451868171]
本稿では,従来の手法よりも優れた一般化と効率を実現する新しいアーキテクチャであるSPLATを紹介する。
本稿では,SGD(Guided Dialogue)とMultiWOZ(MultiWOZ)データセットにおけるモデルの有効性を示す。
論文 参考訳(メタデータ) (2023-06-15T17:59:31Z) - Stabilized In-Context Learning with Pre-trained Language Models for Few
Shot Dialogue State Tracking [57.92608483099916]
大規模事前学習言語モデル(PLM)は、多くのNLPタスクにまたがる優れた性能を示している。
対話状態追跡(DST)のようなより複雑なタスクでは、望ましい意図を確実に伝達するプロンプトを設計するのは簡単ではない。
対話文の長さを制限するためのサリエンシモデルを導入し、クエリ毎に多くの例を含めることができます。
論文 参考訳(メタデータ) (2023-02-12T15:05:10Z) - Schema-Guided Semantic Accuracy: Faithfulness in Task-Oriented Dialogue
Response Generation [12.165005406799134]
分類スロットと非分類スロットの両方から発生する発話を評価するために,SGSAcc(Guided Semantic Accuracy)を提案する。
本研究では,SGSAccを用いて,人間の判断とよく一致した幅広い対話行動から発生する発話を評価できることを示す。
また、未確認領域のカテゴリー的スロットから忠実な発話を生成するために、これまで見過ごされていた弱点を特定する。
論文 参考訳(メタデータ) (2023-01-29T22:32:48Z) - Dialogue Meaning Representation for Task-Oriented Dialogue Systems [51.91615150842267]
タスク指向対話のための柔軟かつ容易に拡張可能な表現である対話意味表現(DMR)を提案する。
我々の表現は、合成意味論とタスク固有の概念のためのリッチな意味論を表現するために、継承階層を持つノードとエッジのセットを含んでいる。
異なる機械学習ベースの対話モデルを評価するための2つの評価タスクを提案し、さらにグラフベースのコア参照解決タスクのための新しいコア参照解決モデルGNNCorefを提案する。
論文 参考訳(メタデータ) (2022-04-23T04:17:55Z) - SGD-X: A Benchmark for Robust Generalization in Schema-Guided Dialogue
Systems [26.14268488547028]
SGD-Xは,スキーマの言語的変化に対する対話システムの堅牢性を評価するベンチマークである。
我々は,SGD-X上での2つの対話状態追跡モデルの評価を行い,どちらもスキーマのバリエーションに対してうまく一般化していないことを観察した。
本稿では,スキーマのロバスト性やゼロショットの一般化を改善するため,単純なモデルに依存しないデータ拡張手法を提案する。
論文 参考訳(メタデータ) (2021-10-13T15:38:29Z) - I like fish, especially dolphins: Addressing Contradictions in Dialogue
Modeling [104.09033240889106]
DialoguE Contradiction Detection Task(DECODE)と、人間とロボットの矛盾した対話の両方を含む新しい会話データセットを紹介します。
次に、事前学習したトランスフォーマーモデルを用いて、定型的非構造的アプローチと矛盾検出を行う構造的発話に基づくアプローチを比較する。
論文 参考訳(メタデータ) (2020-12-24T18:47:49Z) - Variational Hierarchical Dialog Autoencoder for Dialog State Tracking
Data Augmentation [59.174903564894954]
本研究では,この手法を,ゴール指向対話のための対話状態追跡タスクに拡張する。
目的指向ダイアログの完全な側面をモデル化するための変分階層型ダイアログオートエンコーダ(VHDA)を提案する。
各種ダイアログデータセットを用いた実験により、生成データ拡張による下流ダイアログトラッカーのロバスト性の向上が示された。
論文 参考訳(メタデータ) (2020-01-23T15:34:56Z)
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。