論文の概要: Dialogue Planning via Brownian Bridge Stochastic Process for Goal-directed Proactive Dialogue

• arxiv url: http://arxiv.org/abs/2305.05290v1
• Date: Tue, 9 May 2023 09:28:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-10 13:17:44.546396
• Title: Dialogue Planning via Brownian Bridge Stochastic Process for Goal-directed Proactive Dialogue
• Title（参考訳）: ゴール指向プロアクティブ対話のためのブラウンブリッジ確率過程による対話計画
• Authors: Jian Wang, Dongding Lin, Wenjie Li
• Abstract要約: ゴール指向対話システムは,マルチターン会話を通じて事前決定された目標に積極的に到達することを目的としている。 このタスクを達成するための鍵は、ターゲットに向かってスムーズかつ一貫性のある会話を誘導する対話パスを計画することにある。 本稿では,対話経路の時間的ダイナミクスをモデル化するプロセスを用いた対話計画手法を提案する。
• 参考スコア（独自算出の注目度）: 9.99763097964222
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Goal-directed dialogue systems aim to proactively reach a pre-determined target through multi-turn conversations. The key to achieving this task lies in planning dialogue paths that smoothly and coherently direct conversations towards the target. However, this is a challenging and under-explored task. In this work, we propose a coherent dialogue planning approach that uses a stochastic process to model the temporal dynamics of dialogue paths. We define a latent space that captures the coherence of goal-directed behavior using a Brownian bridge process, which allows us to incorporate user feedback flexibly in dialogue planning. Based on the derived latent trajectories, we generate dialogue paths explicitly using pre-trained language models. We finally employ these paths as natural language prompts to guide dialogue generation. Our experiments show that our approach generates more coherent utterances and achieves the goal with a higher success rate.
• Abstract（参考訳）: ゴール指向対話システムは,マルチターン会話を通じて事前決定対象に積極的に到達することを目的としている。 このタスクを実現するための鍵は、ターゲットに向かってスムーズに、かつコヒーレントに会話を指示する対話パスを計画することにある。 しかし、これは難題であり、未熟な作業である。 本研究では,確率過程を用いて対話経路の時間的ダイナミクスをモデル化するコヒーレントな対話計画手法を提案する。 我々は、ブラウン橋プロセスを用いて目標指向行動のコヒーレンスを捉える潜在空間を定義し、対話計画に柔軟にユーザフィードバックを組み込むことができる。 抽出した潜在軌道に基づいて,事前学習した言語モデルを用いて対話経路を明示的に生成する。 最終的に、対話生成を誘導する自然言語のプロンプトとしてこれらの経路を用いる。 実験の結果,我々の手法はよりコヒーレントな発話を生成し,高い成功率で目標を達成することがわかった。

関連論文リスト

• Unsupervised Extraction of Dialogue Policies from Conversations [3.102576158218633]
  本稿では,データセットから対話ポリシーを抽出する上で,Large Language Modelがいかに有効かを示す。 そこで我々は,制御可能かつ解釈可能なグラフベースの手法を用いて対話ポリシーを生成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-21T14:57:25Z)
• Dialogue Action Tokens: Steering Language Models in Goal-Directed Dialogue with a Multi-Turn Planner [51.77263363285369]
  本稿では,対話行動トークンと呼ばれる言語モデルエージェントを用いて,目標指向の対話を計画する手法を提案する。 中心となる考え方は、各発話をアクションとして扱うことで、強化学習のような既存のアプローチを適用することができるゲームに対話を変換することである。
  論文  参考訳（メタデータ） (2024-06-17T18:01:32Z)
• Target-constrained Bidirectional Planning for Generation of Target-oriented Proactive Dialogue [11.338393954848632]
  ターゲット指向対話生成のための効果的な対話計画に着目する。 認知科学における意思決定理論に着想を得て,新たな目標制約型双方向計画手法を提案する。 我々のアルゴリズムは、様々なベースラインモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-10T02:14:24Z)
• Plug-and-Play Policy Planner for Large Language Model Powered Dialogue Agents [121.46051697742608]
  そこで本稿では,PDPPという言語モデルプラグインを用いて対話問題を整理するための新たな対話ポリシー計画パラダイムを提案する。 具体的には、利用可能な人間の注釈付きデータに対する教師付き微調整を容易にするための新しいトレーニングフレームワークを開発する。 PPDPPは3つの異なるプロアクティブな対話アプリケーションにおいて、既存のアプローチを一貫して、実質的に上回っている。
  論文  参考訳（メタデータ） (2023-11-01T03:20:16Z)
• Dialog-to-Actions: Building Task-Oriented Dialogue System via Action-Level Generation [7.110201160927713]
  本稿では,アクションレベル生成によるタスク指向対話システムを提案する。 具体的には、まず大規模な対話から対話行動を構築し、対話行動のシーケンスとして各自然言語(NL)応答を表現する。 本研究では,対話履歴を入力とし,対話行動のシーケンスを出力するシーケンス・ツー・シーケンスモデルを訓練する。
  論文  参考訳（メタデータ） (2023-04-03T11:09:20Z)
• Follow Me: Conversation Planning for Target-driven Recommendation Dialogue Systems [9.99763097964222]
  推薦対話システムは,ユーザとソーシャル・ボンドを構築し,高品質なレコメンデーションを提供することを目的としている。 本稿では,目標駆動型レコメンデーション対話システムという,将来的なパラダイムを推し進める。 ユーザが会話を通じて、指定されたターゲットを徐々に受け入れるように、自然に誘導する方法に重点を置いています。
  論文  参考訳（メタデータ） (2022-08-06T13:23:42Z)
• Target-Guided Dialogue Response Generation Using Commonsense and Data Augmentation [32.764356638437214]
  ターゲット誘導応答生成のための新しい手法を提案する。 また,既存の対話データセットをターゲット誘導生成のために再利用する手法を提案する。 我々の作業は、一般的に、対話システムの設計者が、システムが生み出す会話をより制御できるようにします。
  論文  参考訳（メタデータ） (2022-05-19T04:01:40Z)
• "How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken Conversations [87.95711406978157]
  本研究は、音声タスク指向会話における新しいベンチマークを示す。 マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。 我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
  論文  参考訳（メタデータ） (2021-09-28T04:51:04Z)
• Learning Reasoning Paths over Semantic Graphs for Video-grounded Dialogues [73.04906599884868]
  対話文脈(PDC)における推論経路の新しい枠組みを提案する。 PDCモデルは、各質問と回答の語彙成分に基づいて構築されたセマンティックグラフを通じて、対話間の情報フローを発見する。 本モデルでは,この推論経路を通じて視覚情報とテキスト情報を逐次的に処理し,提案する特徴を用いて回答を生成する。
  論文  参考訳（メタデータ） (2021-03-01T07:39:26Z)
• TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented Dialogue [113.45485470103762]
  本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。 事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
  論文  参考訳（メタデータ） (2020-04-15T04:09:05Z)
• Dynamic Knowledge Routing Network For Target-Guided Open-Domain Conversation [79.7781436501706]
  本稿では,粗いキーワードを導入することで,システム応答の意図した内容を制御する構造的アプローチを提案する。 また,対話を円滑な目標達成に導くために,より高い成功率で対話を誘導する新たな二重談話レベルの目標誘導戦略を提案する。
  論文  参考訳（メタデータ） (2020-02-04T09:49:36Z)

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。