論文の概要: Seen to Unseen: Exploring Compositional Generalization of
Multi-Attribute Controllable Dialogue Generation
- arxiv url: http://arxiv.org/abs/2306.10317v1
- Date: Sat, 17 Jun 2023 10:50:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 23:06:12.327579
- Title: Seen to Unseen: Exploring Compositional Generalization of
Multi-Attribute Controllable Dialogue Generation
- Title（参考訳）: 目に見えないもの:多属性制御可能な対話生成の合成一般化を探る
- Authors: Weihao Zeng, Lulu Zhao, Keqing He, Ruotong Geng, Jingang Wang, Wei Wu,
Weiran Xu
- Abstract要約: 既存の制御可能な対話生成作業は、単一属性制御に焦点を当てている。
本稿では, プロンプトベースで制御不能な対話生成モデルDCGを提案する。
- 参考スコア（独自算出の注目度）: 23.79168163871952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing controllable dialogue generation work focuses on the
single-attribute control and lacks generalization capability to
out-of-distribution multiple attribute combinations. In this paper, we explore
the compositional generalization for multi-attribute controllable dialogue
generation where a model can learn from seen attribute values and generalize to
unseen combinations. We propose a prompt-based disentangled controllable
dialogue generation model, DCG. It learns attribute concept composition by
generating attribute-oriented prompt vectors and uses a disentanglement loss to
disentangle different attributes for better generalization. Besides, we design
a unified reference-free evaluation framework for multiple attributes with
different levels of granularities. Experiment results on two benchmarks prove
the effectiveness of our method and the evaluation metric.
- Abstract（参考訳）: 既存の制御可能な対話生成作業は、単一属性制御に重点を置いており、複数の属性の組み合わせを分割する一般化能力に欠ける。
本稿では,多属性制御可能な対話生成のための合成一般化について検討する。
本稿では,プロンプトベース不整合制御可能な対話生成モデルDCGを提案する。
属性指向のプロンプトベクトルを生成して属性の概念合成を学習し、異なる属性をアンタングルしてより一般化する。
さらに,粒度の異なる複数の属性を対象とした参照自由度評価フレームワークを設計する。
2つのベンチマークによる実験結果から,本手法の有効性と評価指標が証明された。
関連論文リスト
- Benchmarking and Improving Compositional Generalization of Multi-aspect Controllable Text Generation [56.854968623992214]
CompMCTGは多様なマルチアスペクトラベル付きデータセットを含むベンチマークである。
本稿ではメタラーニングを取り入れたトレーニングフレームワークであるMeta-MCTGを紹介する。
94.4%の症例において,Meta-MCTGの有効性を示す。
論文 参考訳（メタデータ） (2024-04-05T17:26:22Z) - UniMS-RAG: A Unified Multi-source Retrieval-Augmented Generation for Personalized Dialogue Systems [43.266153244137215]
大規模言語モデル(LLM)は多くの自然言語理解および生成タスクにおいて例外的な機能を示している。
我々は、パーソナライズされた応答を3つのサブタスク(知識ソース選択、知識検索、応答生成)に分解する。
統一多ソース検索拡張生成システム(UniMS-RAG)を提案する。
論文 参考訳（メタデータ） (2024-01-24T06:50:20Z) - Semantic Space Grounded Weighted Decoding for Multi-Attribute
Controllable Dialogue Generation [41.23970507903113]
本稿では,重み付き復号法で強い制御性を持つDASCという新しいフレームワークを提案する。
複数属性の生成は、複数の属性の埋め込みの発話で直感的に実装される。
実験の結果,DASCは3つの側面を同時に制御することで,生成タスクにおいて高い制御精度を達成できることがわかった。
論文 参考訳（メタデータ） (2023-05-04T13:35:27Z) - MACSum: Controllable Summarization with Mixed Attributes [56.685735509260276]
MACSumは、混合属性を制御するための最初の人間アノテーションによる要約データセットである。
混合制御可能な要約の新しいタスクに対する2つの単純かつ効果的なパラメータ効率のアプローチを提案する。
論文 参考訳（メタデータ） (2022-11-09T17:17:37Z) - A Distributional Lens for Multi-Aspect Controllable Text Generation [17.97374410245602]
マルチアスペクト制御可能なテキスト生成は、単一アスペクト制御よりも困難で実用的なタスクである。
既存手法は, 単一アスペクトから学習した複数のコントローラを融合することにより, 複雑なマルチアスペクト制御を実現する。
本稿では,複数属性分布の交点領域を直接探索して生成する手法を提案する。
論文 参考訳（メタデータ） (2022-10-06T13:08:04Z) - Stop Filtering: Multi-View Attribute-Enhanced Dialogue Learning [11.124375734351826]
本稿では,属性関連機能をより堅牢かつ包括的に強化する多視点属性強化対話学習フレームワークを提案する。
対話属性の多様性を考慮すると、多視点選択や視点間融合を含む多視点拡張機構をさらに設計する。
実験結果と分析結果から,対話属性の強化やビュー固有の知識の融合の観点から,我々のフレームワークが性能を大幅に向上できることが示唆された。
論文 参考訳（メタデータ） (2022-05-23T11:28:36Z) - FlowEval: A Consensus-Based Dialogue Evaluation Framework Using Segment
Act Flows [63.116280145770006]
本稿では,音声レベルからセグメントレベルへのダイアログ行為の拡張であるセグメントアクトを提案し,大規模データセットをクラウドソースする。
セグメントアクトフローを利用するために,セグメントアクションのシーケンスを評価のために,最初のコンセンサスに基づく対話評価フレームワークであるFlowEvalを開発した。
論文 参考訳（メタデータ） (2022-02-14T11:37:20Z) - Controllable Dialogue Generation with Disentangled Multi-grained Style
Specification and Attribute Consistency Reward [47.96949534259019]
マルチ属性制約下で応答生成を行うための制御可能な対話生成モデルを提案する。
一般的に使用される制御属性を,応答生成に対する影響の粒度が異なる大域的および局所的な属性に分類する。
我々のモデルは、応答品質、コンテンツ多様性、制御性の観点から、競争ベースラインを大幅に上回ることができる。
論文 参考訳（メタデータ） (2021-09-14T14:29:38Z) - Controllable Abstractive Dialogue Summarization with Sketch Supervision [56.59357883827276]
本モデルは,最大50.79のROUGE-Lスコアを持つ最大対話要約コーパスSAMSumの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-05-28T19:05:36Z) - Is Your Goal-Oriented Dialog Model Performing Really Well? Empirical
Analysis of System-wise Evaluation [114.48767388174218]
本稿では,異なる設定の異なるモジュールから構成される異なるダイアログシステムについて,実験的検討を行った。
この結果から, 粗粒度ラベルで学習した連系や終端モデルを用いたシステムよりも, 細粒度監視信号を用いて訓練したパイプラインダイアログシステムの方が, 高い性能が得られることが示唆された。
論文 参考訳（メタデータ） (2020-05-15T05:20:06Z)
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。