論文の概要: S3-DST: Structured Open-Domain Dialogue Segmentation and State Tracking in the Era of LLMs

• arxiv url: http://arxiv.org/abs/2309.08827v1
• Date: Sat, 16 Sep 2023 00:59:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 19:13:47.055307
• Title: S3-DST: Structured Open-Domain Dialogue Segmentation and State Tracking in the Era of LLMs
• Title（参考訳）: s3-dst:構造化オープンドメイン対話セグメンテーションとllms時代の状態追跡
• Authors: Sarkar Snigdha Sarathi Das, Chirag Shah, Mengting Wan, Jennifer Neville, Longqi Yang, Reid Andersen, Georg Buscher, Tara Safavi
• Abstract要約: LLM(Large Language Model)ベースのチャットシステムが出現すると、オープンドメイン対話に多くの現実世界の複雑さがもたらされた。 オープンドメイン対話システムにおいて,セグメントごとの対話セグメントと状態トラッキングを提案する。 我々は、匿名化されたオープンドメイン対話データセットと、公開されているDSTおよびセグメンテーションデータセットを用いて、S3-DSTを評価する。
• 参考スコア（独自算出の注目度）: 22.319211779438934
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The traditional Dialogue State Tracking (DST) problem aims to track user preferences and intents in user-agent conversations. While sufficient for task-oriented dialogue systems supporting narrow domain applications, the advent of Large Language Model (LLM)-based chat systems has introduced many real-world intricacies in open-domain dialogues. These intricacies manifest in the form of increased complexity in contextual interactions, extended dialogue sessions encompassing a diverse array of topics, and more frequent contextual shifts. To handle these intricacies arising from evolving LLM-based chat systems, we propose joint dialogue segmentation and state tracking per segment in open-domain dialogue systems. Assuming a zero-shot setting appropriate to a true open-domain dialogue system, we propose S3-DST, a structured prompting technique that harnesses Pre-Analytical Recollection, a novel grounding mechanism we designed for improving long context tracking. To demonstrate the efficacy of our proposed approach in joint segmentation and state tracking, we evaluate S3-DST on a proprietary anonymized open-domain dialogue dataset, as well as publicly available DST and segmentation datasets. Across all datasets and settings, S3-DST consistently outperforms the state-of-the-art, demonstrating its potency and robustness the next generation of LLM-based chat systems.
• Abstract（参考訳）: 従来の対話状態追跡(DST)問題は、ユーザとエージェントの会話におけるユーザの好みや意図を追跡することを目的としている。 狭義のドメインアプリケーションをサポートするタスク指向対話システムには十分だが、Large Language Model(LLM)ベースのチャットシステムが出現し、オープンドメイン対話に多くの現実世界の複雑さを導入した。 これらの複雑さは、文脈相互作用における複雑さの増加、様々なトピックを含む対話セッションの拡張、より頻繁な文脈シフトの形で表される。 LLMベースのチャットシステムから生じるこれらの複雑さに対処するために,オープンドメイン対話システムにおいて,セグメントごとの対話セグメント化と状態トラッキングを提案する。 本稿では,真のオープンドメイン対話システムに適したゼロショット設定を想定し,分析前記憶を利用した構造化プロンプト手法であるs3-dstを提案する。 提案手法の有効性を実証するため,独自に開発したオープンドメイン対話データセットと,dstおよびセグメンテーションデータセット上でのs3-dstの評価を行った。 すべてのデータセットと設定にわたって、S3-DSTは一貫して最先端のチャットシステムよりも優れており、次世代のLLMベースのチャットシステムの有用性と堅牢性を示している。

関連論文リスト

• Beyond Ontology in Dialogue State Tracking for Goal-Oriented Chatbot [3.2288892242158984]
  本稿では,対話状態追跡(DST)性能を向上させる新しい手法を提案する。 提案手法により,Large Language Model (LLM) による対話状態の推測が可能となる。 提案手法は,42.57%のJGAで最先端を達成し,オープンドメインの現実世界での会話でも良好に機能した。
  論文  参考訳（メタデータ） (2024-10-30T07:36:23Z)
• Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue Questions with LLMs [59.74002011562726]
  我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。 中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。 実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:27:43Z)
• Act-Aware Slot-Value Predicting in Multi-Domain Dialogue State Tracking [5.816391291790977]
  対話状態追跡(DST)は、人間と機械の相互作用を追跡し、対話を管理するための状態表現を生成することを目的としている。 機械読解の最近の進歩は、対話状態追跡のための分類型と非分類型のスロットの両方を予測する。 我々は対話行為を定式化し、機械読解の最近の進歩を活用し、対話状態追跡のためのカテゴリー型と非カテゴリ型の両方のスロットを予測する。
  論文  参考訳（メタデータ） (2022-08-04T05:18:30Z)
• Multimodal Dialogue State Tracking [97.25466640240619]
  Video-Dialogue Transformer Network (VDTN)は、ビデオと対話の間のコンテキスト依存を学習し、マルチモーダル対話状態を生成する。 VDTNは、オブジェクトレベルの特徴とセグメントレベルの特徴を組み合わせて、ビデオと対話の間のコンテキスト依存を学び、マルチモーダルな対話状態を生成する。
  論文  参考訳（メタデータ） (2022-06-16T03:18:42Z)
• 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)
• Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
  タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。 本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2022-02-28T20:18:12Z)
• The SPPD System for Schema Guided Dialogue State Tracking Challenge [2.181419218084711]
  本稿では,Dialog System Technology Challenges 8(DSTC8)について紹介する。 DSTC8のトラック4と名付けられたこのチャレンジは、スケーラブルなマルチドメイン対話状態追跡アルゴリズムを開発するための、まったく新しい、そして挑戦的なデータセットを提供する。 本稿では,ゼロショット対話状態追跡システムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T09:57:40Z)
• UniConv: A Unified Conversational Neural Architecture for Multi-domain Task-oriented Dialogues [101.96097419995556]
  ユニコンブ」はタスク指向対話におけるエンドツーエンド対話システムのための新しい統合型ニューラルネットワークである。 我々は、MultiWOZ2.1ベンチマークにおいて、対話状態追跡、コンテキスト・ツー・テキスト、エンドツーエンド設定の包括的な実験を行う。
  論文  参考訳（メタデータ） (2020-04-29T16:28:22Z)
• Efficient Context and Schema Fusion Networks for Multi-Domain Dialogue State Tracking [32.36259992245]
  対話状態追跡(DST)は、前回の会話のすべてから現在の対話状態を推定することを目的としている。 マルチドメインDSTでは、状態候補の数の増加と対話長の増加により、データ空間の問題が大きな障害となっている。 従来の対話状態(予測)と現在の対話発話をDSTの入力として利用する。
  論文  参考訳（メタデータ） (2020-04-07T13:46:39Z)
• 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)
• Domain-Aware Dialogue State Tracker for Multi-Domain Dialogue Systems [2.3859169601259347]
  タスク指向対話システムでは、対話状態トラッカー(DST)コンポーネントが対話履歴に基づいて対話の状態を予測する。 我々は、完全にデータ駆動であり、動的サービススキーマを予測するためにモデル化されたドメイン対応対話状態トラッカーを提案する。
  論文  参考訳（メタデータ） (2020-01-21T13:41:09Z)

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。