論文の概要: Multi-Granularity Prompts for Topic Shift Detection in Dialogue

• arxiv url: http://arxiv.org/abs/2305.14006v1
• Date: Tue, 23 May 2023 12:35:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 16:29:08.367536
• Title: Multi-Granularity Prompts for Topic Shift Detection in Dialogue
• Title（参考訳）: 対話におけるトピックシフト検出のためのマルチグラニュラ性プロンプト
• Authors: Jiangyi Lin, Yaxin Fan, Xiaomin Chu, Peifeng Li and Qiaoming Zhu
• Abstract要約: 対話トピックシフト検出の目標は、会話中の現在のトピックが変更されたか、変更する必要があるかを特定することである。 従来の研究は、事前訓練されたモデルを用いて発話を符号化するトピックシフトの検出に重点を置いていた。 我々は,複数粒度での対話,すなわちラベル,ターン,トピックから話題情報を抽出するために,プロンプトベースのアプローチを採用する。
• 参考スコア（独自算出の注目度）: 13.739991183173494
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The goal of dialogue topic shift detection is to identify whether the current topic in a conversation has changed or needs to change. Previous work focused on detecting topic shifts using pre-trained models to encode the utterance, failing to delve into the various levels of topic granularity in the dialogue and understand dialogue contents. To address the above issues, we take a prompt-based approach to fully extract topic information from dialogues at multiple-granularity, i.e., label, turn, and topic. Experimental results on our annotated Chinese Natural Topic Dialogue dataset CNTD and the publicly available English TIAGE dataset show that the proposed model outperforms the baselines. Further experiments show that the information extracted at different levels of granularity effectively helps the model comprehend the conversation topics.
• Abstract（参考訳）: 対話トピックシフト検出の目標は、会話中の現在のトピックが変わったか、あるいは変更する必要があるかを特定することである。 従来の研究は、事前学習したモデルを用いて発話を符号化し、対話における話題の粒度を掘り下げたり、会話の内容を理解するのに失敗したトピックシフトの検出に重点を置いていた。 上記の課題に対処するために,複数粒度での対話,すなわちラベル,ターン,トピックから話題情報を抽出する,プロンプトベースのアプローチを採用する。 注釈付き中国自然トピック対話データセットCNTDと英語TIAGEデータセットの実験結果から,提案モデルがベースラインより優れていることが示された。 さらなる実験により、異なる粒度で抽出された情報は、モデルが会話のトピックを理解するのに効果的であることが示された。

関連論文リスト

• MP2D: An Automated Topic Shift Dialogue Generation Framework Leveraging Knowledge Graphs [15.876075659237722]
  Multi-Passage to Dialogue (MP2D) は、自然なトピック遷移を伴う質問応答データセットを生成する。 MP2Dは対話内のトピックの流れをマッピングし、人間の会話のダイナミクスを効果的に反映する。 本研究では,トピックシフト対話のための新しいベンチマークTS-WikiDialogを紹介する。
  論文  参考訳（メタデータ） (2024-03-09T06:28:48Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• Unsupervised Dialogue Topic Segmentation with Topic-aware Utterance Representation [51.22712675266523]
  対話トピック(DTS)は、様々な対話モデリングタスクにおいて重要な役割を果たす。 本稿では,ラベルなし対話データからトピック対応発話表現を学習する,教師なしDSSフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-04T11:35:23Z)
• Sequential Topic Selection Model with Latent Variable for Topic-Grounded Dialogue [21.1427816176227]
  我々は,すべての会話における話題遷移を活用するために,SGTA(Sequential Global Topic Attention)という新しいアプローチを提案する。 我々のモデルは予測および生成タスクの競争ベースラインを上回っている。
  論文  参考訳（メタデータ） (2022-10-17T07:34:14Z)
• Back to the Future: Bidirectional Information Decoupling Network for Multi-turn Dialogue Modeling [80.51094098799736]
  ユニバーサル対話エンコーダとして双方向情報デカップリングネットワーク(BiDeN)を提案する。 BiDeNは過去と将来の両方のコンテキストを明示的に取り入れており、幅広い対話関連のタスクに一般化することができる。 異なる下流タスクのデータセットに対する実験結果は、我々のBiDeNの普遍性と有効性を示している。
  論文  参考訳（メタデータ） (2022-04-18T03:51:46Z)
• Topic-Aware Contrastive Learning for Abstractive Dialogue Summarization [41.75442239197745]
  本研究は,コヒーレンス検出とサブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サミマリ・ジェネレーションという2つのトピック・アウェア・コントラスト学習目標を提案する。 ベンチマークデータセットの実験では、提案手法が強いベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2021-09-10T17:03:25Z)
• TIAGE: A Benchmark for Topic-Shift Aware Dialog Modeling [32.28415754809567]
  TIAGEは、トピックシフトに関する人間のアノテーションを利用して構築された新しいトピックシフト対応ダイアログベンチマークである。 TIAGEに基づいて,ダイアログ設定におけるトピックシフトモデリングの異なるシナリオを調査するための3つのタスクを紹介する。
  論文  参考訳（メタデータ） (2021-09-09T21:06:12Z)
• Topic-Oriented Spoken Dialogue Summarization for Customer Service with Saliency-Aware Topic Modeling [61.67321200994117]
  顧客サービスシステムでは、長い音声対話のための要約を作成することにより、対話要約はサービス効率を高めることができる。 本研究では,高度に抽象的な要約を生成するトピック指向の対話要約に注目した。 SATM(Saliency-Awareural topic Model)と併用し,顧客サービス対話のトピック指向要約を目的とした,新しいトピック拡張型2段階対話要約器(TDS)を提案する。
  論文  参考訳（メタデータ） (2020-12-14T07:50:25Z)
• Response Selection for Multi-Party Conversations with Dynamic Topic Tracking [63.15158355071206]
  我々は、応答と関連する会話コンテキストの間のトピックを一致させるために、動的トピック追跡タスクとして応答選択をフレーム化する。 本研究では,大規模な事前学習モデルによる効率的な符号化を支援する新しいマルチタスク学習フレームワークを提案する。 DSTC-8 Ubuntu IRCデータセットの実験結果は、応答選択とトピックのアンタングル化タスクにおける最先端の結果を示している。
  論文  参考訳（メタデータ） (2020-10-15T14:21:38Z)
• Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
  本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。 トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
  論文  参考訳（メタデータ） (2020-09-26T08:43:06Z)

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。