論文の概要: Diable: Efficient Dialogue State Tracking as Operations on Tables

• arxiv url: http://arxiv.org/abs/2305.17020v3
• Date: Wed, 1 Nov 2023 20:36:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-03 17:32:03.356068
• Title: Diable: Efficient Dialogue State Tracking as Operations on Tables
• Title（参考訳）: Diable: テーブル上の操作として効率的な対話状態追跡
• Authors: Pietro Lesci, Yoshinari Fujinuma, Momchil Hardalov, Chao Shang, Yassine Benajiba, Lluis Marquez
• Abstract要約: 本稿では,効率的な対話状態追跡システムの設計と実装を簡略化するタスクの形式化を提案する。 対話状態をテーブルとして表現し,テーブル操作タスクとしてDSTを定式化する。 各ターンで、システムは対話コンテキストに基づいてテーブル操作を生成することにより、前の状態を更新する。
• 参考スコア（独自算出の注目度）: 12.750160147987186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequence-to-sequence state-of-the-art systems for dialogue state tracking (DST) use the full dialogue history as input, represent the current state as a list with all the slots, and generate the entire state from scratch at each dialogue turn. This approach is inefficient, especially when the number of slots is large and the conversation is long. We propose Diable, a new task formalisation that simplifies the design and implementation of efficient DST systems and allows one to easily plug and play large language models. We represent the dialogue state as a table and formalise DST as a table manipulation task. At each turn, the system updates the previous state by generating table operations based on the dialogue context. Extensive experimentation on the MultiWoz datasets demonstrates that Diable (i) outperforms strong efficient DST baselines, (ii) is 2.4x more time efficient than current state-of-the-art methods while retaining competitive Joint Goal Accuracy, and (iii) is robust to noisy data annotations due to the table operations approach.
• Abstract（参考訳）: 対話状態追跡システム(DST)は、全対話履歴を入力として使用し、現在の状態を全てのスロットでリストとして表現し、各対話ターンでスクラッチから全状態を生成する。 このアプローチは、特にスロットの数が大きく、会話が長い場合、非効率である。 本稿では,効率的なdstシステムの設計と実装を簡略化し,大規模言語モデルを容易にプラグアンドプレイできるタスク形式であるdiableを提案する。 対話状態をテーブルとして表現し,テーブル操作タスクとしてDSTを定式化する。 各ターンで、システムは対話コンテキストに基づいてテーブル操作を生成することにより、前の状態を更新する。 MultiWozデータセットの大規模な実験がDiableを実証 i)強い効率的なDSTベースラインを上回る。 (ii) 競争力のあるジョイントゴール精度を維持しつつ, 現在の最先端手法よりも2.4倍の時間効率を有すること, (iii) テーブル操作アプローチのため、騒がしいデータアノテーションに対して堅牢である。

関連論文リスト

• TransferTOD: A Generalizable Chinese Multi-Domain Task-Oriented Dialogue System with Transfer Capabilities [46.91749457402889]
  タスク指向対話(TOD)システムは、情報収集を含むタスク指向の会話を効率的に処理することを目的としている。 情報収集にTODを正確に、効率的に効果的に活用する方法は、常に重要かつ困難な課題であった。 近年,Large Language Models (LLM) は対話,命令生成,推論において優れていることが実証されている。
  論文  参考訳（メタデータ） (2024-07-31T15:38:15Z)
• 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)
• OPAL: Ontology-Aware Pretrained Language Model for End-to-End Task-Oriented Dialogue [40.62090743056549]
  本稿では、エンドツーエンドタスク指向対話(TOD)のためのオントロジー対応事前学習言語モデル(OPAL)を提案する。 チャット型対話モデルとは異なり、タスク指向対話モデルは少なくとも2つのタスク固有モジュールを満たす:対話状態トラッカー(DST)と応答生成器(RG)。
  論文  参考訳（メタデータ） (2022-09-10T04:38:27Z)
• A Multi-Task BERT Model for Schema-Guided Dialogue State Tracking [78.2700757742992]
  タスク指向対話システムは対話状態追跡器(DST)を用いて会話を完了させる。 最近の最先端のDST実装は、モデルの堅牢性を改善するために様々なサービスのスキーマに依存している。 本稿では,意図予測,要求スロット予測,スロットフィリングの3つのDSTタスクを協調的に解決する単一マルチタスクBERTモデルを提案する。
  論文  参考訳（メタデータ） (2022-07-02T13:27:59Z)
• In-Context Learning for Few-Shot Dialogue State Tracking [55.91832381893181]
  In-context (IC) Learning framework for few-shot dialogue state tracking (DST)を提案する。 大規模な事前訓練言語モデル(LM)は、テストインスタンスといくつかの注釈付き例を入力として取り、パラメータの更新なしに直接対話状態をデコードする。 これにより、LMは、新しいドメインやシナリオに適応する際の、以前の数ショットのDST作業と比べて、より柔軟でスケーラブルになります。
  論文  参考訳（メタデータ） (2022-03-16T11:58:24Z)
• A Sequence-to-Sequence Approach to Dialogue State Tracking [17.81139775400199]
  Seq2Seq-DUはシーケンス対シーケンス問題として対話状態追跡を形式化する。 インテント、スロット、スロットの値を共同でモデル化することができる。 分類スロットや非分類スロット、見えないスキーマを効果的に扱うことができる。
  論文  参考訳（メタデータ） (2020-11-18T21:42:44Z)
• Task-Oriented Dialogue as Dataflow Synthesis [158.77123205487334]
  本稿では,対話状態がデータフローグラフとして表現されるタスク指向対話へのアプローチについて述べる。 対話エージェントは、各ユーザの発話を、このグラフを拡張するプログラムにマッピングする。 我々は、イベント、天気、場所、人々に関する複雑な対話を特徴とする、新しいデータセットであるSMCalFlowを紹介した。
  論文  参考訳（メタデータ） (2020-09-24T00:35:26Z)
• CREDIT: Coarse-to-Fine Sequence Generation for Dialogue State Tracking [44.38388988238695]
  対話状態トラッカーは、現在の対話状態のコンパクトな表現を正確に見つけることを目的としている。 我々はシーケンス生成問題として構造化状態表現とキャスト対話状態追跡を用いる。 我々のトラッカーは,MultiWOZ 2.0とMultiWOZ 2.1データセットの5つの領域で共同目標精度を向上することを示した。
  論文  参考訳（メタデータ） (2020-09-22T10:27:18Z)
• Dual Learning for Dialogue State Tracking [44.679185483585364]
  対話状態追跡(DST)とは、各ターンの対話状態を推定することである。 複雑な対話履歴のコンテキストに依存するため、DSTデータアノテーションは単文言語理解よりも高価である。 ラベルのないデータを完全に活用するための新しい二元学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-22T10:15:09Z)
• Non-Autoregressive Dialog State Tracking [122.2328875457225]
  非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。 NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。 以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
  論文  参考訳（メタデータ） (2020-02-19T06:39:26Z)

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。