論文の概要: Towards Asking Clarification Questions for Information Seeking on
Task-Oriented Dialogues
- arxiv url: http://arxiv.org/abs/2305.13690v1
- Date: Tue, 23 May 2023 04:56:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 18:54:28.290707
- Title: Towards Asking Clarification Questions for Information Seeking on
Task-Oriented Dialogues
- Title（参考訳）: タスク指向対話における情報探索の解明に向けて
- Authors: Yue Feng, Hossein A. Rahmani, Aldo Lipani, Emine Yilmaz
- Abstract要約: タスク指向情報探索におけるユーザの情報ニーズとユーザのプロファイルを明らかにするために,MAS2Sという新しいマルチアタテンションSeq2Seqネットワークを提案する。
また,タスク指向情報探索のための既存のデータセットを拡張して,対話を求めるタスク指向情報約100万を含むデータ集合に導いた。
- 参考スコア（独自算出の注目度）: 19.376500056741794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task-oriented dialogue systems aim at providing users with task-specific
services. Users of such systems often do not know all the information about the
task they are trying to accomplish, requiring them to seek information about
the task. To provide accurate and personalized task-oriented information
seeking results, task-oriented dialogue systems need to address two potential
issues: 1) users' inability to describe their complex information needs in
their requests; and 2) ambiguous/missing information the system has about the
users. In this paper, we propose a new Multi-Attention Seq2Seq Network, named
MAS2S, which can ask questions to clarify the user's information needs and the
user's profile in task-oriented information seeking. We also extend an existing
dataset for task-oriented information seeking, leading to the \ourdataset which
contains about 100k task-oriented information seeking dialogues that are made
publicly available\footnote{Dataset and code is available at
\href{https://github.com/sweetalyssum/clarit}{https://github.com/sweetalyssum/clarit}.}.
Experimental results on \ourdataset show that MAS2S outperforms baselines on
both clarification question generation and answer prediction.
- Abstract（参考訳）: タスク指向対話システムは、ユーザに対してタスク固有のサービスを提供することを目的としている。
このようなシステムのユーザは、自分が達成しようとしているタスクに関するすべての情報を知らないことが多く、タスクに関する情報を求める必要がある。
結果を求めるタスク指向情報を正確かつパーソナライズするためには、タスク指向対話システムは2つの潜在的な問題に対処する必要がある。
1)ユーザが要求する複雑な情報要求を記述できないこと,及び
2) システムのユーザに関する曖昧/欠落情報。
本稿では,MAS2Sと呼ばれるマルチアテンションSeq2Seqネットワークを提案し,タスク指向情報探索におけるユーザの情報ニーズとユーザのプロファイルを明らかにする。
また、タスク指向情報検索のための既存のデータセットを拡張して、約10kのタスク指向情報を含む \ourdatasetを公開公開する\footnote{datasetとコードは、 \href{https://github.com/sweetalyssum/clarit}{https://github.com/sweetalyssum/clarit}で利用可能である。
}.
実験結果から,MAS2Sは解答問題生成と解答予測の両方において,ベースラインよりも優れていた。
関連論文リスト
- CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。
提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
論文 参考訳（メタデータ） (2024-04-28T18:21:31Z) - Learning from Emotions, Demographic Information and Implicit User
Feedback in Task-Oriented Document-Grounded Dialogues [59.516187851808375]
FEDIは、人口統計情報、ユーザ感情、暗黙のフィードバックを付加したタスク指向文書地上対話のための最初の英語対話データセットである。
FLAN-T5, GPT-2, LLaMA-2 を用いて行った実験から,これらのデータにより,タスク完了と実際の応答の整合性,ユーザの受容性が改善される可能性が示唆された。
論文 参考訳（メタデータ） (2024-01-17T14:52:26Z) - Doc2Bot: Accessing Heterogeneous Documents via Conversational Bots [103.54897676954091]
Doc2Botは、ユーザーが会話を通じて情報を求めるのを助けるマシンを構築するためのデータセットである。
われわれのデータセットには、5つのドメインの中国の文書に基づく10万回以上のターンが含まれている。
論文 参考訳（メタデータ） (2022-10-20T07:33:05Z) - Evaluating Mixed-initiative Conversational Search Systems via User
Simulation [9.066817876491053]
このような検索システムの自動評価のための対話型ユーザシミュレータUSiを提案する。
Ui が生成した応答は,その基盤となる情報要求と同等であり,人間による回答に匹敵するものであることを示す。
論文 参考訳（メタデータ） (2022-04-17T16:27:33Z) - Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。
近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。
本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文 参考訳（メタデータ） (2022-04-03T16:50:30Z) - Task2Dial: A Novel Task and Dataset for Commonsense enhanced Task-based
Dialogue Grounded in Documents [0.304585143845864]
本稿では,文書に埋もれたコモンセンス強化タスクベース対話に関する新しい課題を提案する。
Task2Dialデータセットは、文書ベースのタスクベースの対話の新しいデータセットである。
論文 参考訳（メタデータ） (2022-04-03T12:15:56Z) - Multi-stage Clarification in Conversational AI: The case of
Question-Answering Dialogue Systems [0.27998963147546135]
対話型質問応答や会話型検索など,様々な情報検索タスクにおいて,明確化の解決が重要な役割を担っている。
そこで本稿では,質問応答対話システムのコンテキストにおいて,質問の明確化とクエリ選択を促すための多段階的明確化機構を提案する。
提案手法は,ユーザエクスペリエンス全体の改善と,競合するベースラインを2つのデータセットで比較する。
論文 参考訳（メタデータ） (2021-10-28T15:45:44Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳（メタデータ） (2020-10-04T19:03:39Z) - Query Understanding via Intent Description Generation [75.64800976586771]
問合せ理解のためのQ2ID(Query-to-Intent-Description)タスクを提案する。
クエリとその記述を利用してドキュメントの関連性を計算する既存のランキングタスクとは異なり、Q2IDは自然言語のインテント記述を生成するための逆タスクである。
Q2IDタスクにおける複数の最先端生成モデルとの比較により,本モデルの有効性を実証する。
論文 参考訳（メタデータ） (2020-08-25T08:56:40Z)
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。