論文の概要: Grounded Complex Task Segmentation for Conversational Assistants
- arxiv url: http://arxiv.org/abs/2309.11271v1
- Date: Wed, 20 Sep 2023 12:55:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-21 12:45:22.582607
- Title: Grounded Complex Task Segmentation for Conversational Assistants
- Title（参考訳）: 会話アシスタントのための接地型複雑なタスクセグメンテーション
- Authors: Rafael Ferreira, David Semedo and Jo\~ao Magalh\~aes
- Abstract要約: レシピ領域に取り組み、読み上げ命令を会話構造に変換する。
そこで我々は,会話シナリオに従って指示の構造に注釈を付け,この設定で期待されていることの洞察を提供した。
さらなるユーザ調査により、ユーザは管理可能な複雑さと長さのステップを好む傾向にあり、提案手法は元のWebベースの指導文を改善することができることが示された。
- 参考スコア（独自算出の注目度）: 6.188306785668896
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Following complex instructions in conversational assistants can be quite
daunting due to the shorter attention and memory spans when compared to reading
the same instructions. Hence, when conversational assistants walk users through
the steps of complex tasks, there is a need to structure the task into
manageable pieces of information of the right length and complexity. In this
paper, we tackle the recipes domain and convert reading structured instructions
into conversational structured ones. We annotated the structure of instructions
according to a conversational scenario, which provided insights into what is
expected in this setting. To computationally model the conversational step's
characteristics, we tested various Transformer-based architectures, showing
that a token-based approach delivers the best results. A further user study
showed that users tend to favor steps of manageable complexity and length, and
that the proposed methodology can improve the original web-based instructional
text. Specifically, 86% of the evaluated tasks were improved from a
conversational suitability point of view.
- Abstract（参考訳）: 会話アシスタントにおける複雑な命令に従うことは、同じ命令を読む場合に比べて注意と記憶が短いため、かなり厄介である。
したがって、会話型アシスタントが複雑なタスクのステップをユーザーを歩き回るとき、タスクを適切な長さと複雑さの情報を管理可能な部分に構成する必要がある。
本稿では,レシピ領域に取り組み,構造化命令の読み方を会話型構造に変換する。
対話的シナリオに従って指示の構造をアノテートし,この設定で何が期待できるかを考察した。
対話ステップの特徴を計算的にモデル化するために,トークンベースのアプローチが最良の結果をもたらすことを示す,様々なTransformerベースのアーキテクチャをテストした。
さらにユーザ調査の結果,ユーザが管理可能な複雑さと長さのステップを好む傾向があり,提案手法が web ベースのインストラクショナルテキストを改良できることが示された。
具体的には,評価したタスクの86%を,会話的適合性の観点から改善した。
関連論文リスト
- Context-dependent Instruction Tuning for Dialogue Response Generation [61.21790201307179]
最近の言語モデルは、微調整中にタスク入力に命令を組み込むことで、自然言語計算タスクにおいて顕著なパフォーマンスを実現している。
マルチターン対話のためのコンテキストベース命令微調整フレームワークを提案する。
評価中、モデルは以前の文脈に基づいて指示を生成し、応答を自己導出する。
論文 参考訳（メタデータ） (2023-11-13T01:25:30Z) - Uncovering the Potential of ChatGPT for Discourse Analysis in Dialogue:
An Empirical Study [51.079100495163736]
本稿では、トピックセグメンテーションと談話解析という2つの談話分析タスクにおけるChatGPTの性能を体系的に検証する。
ChatGPTは、一般的なドメイン間会話においてトピック構造を特定する能力を示すが、特定のドメイン間会話ではかなり困難である。
我々のより深い調査は、ChatGPTは人間のアノテーションよりも合理的なトピック構造を提供するが、階層的なレトリック構造を線形に解析することしかできないことを示唆している。
論文 参考訳（メタデータ） (2023-05-15T07:14:41Z) - Decomposed Prompting: A Modular Approach for Solving Complex Tasks [55.42850359286304]
本稿では,より単純なサブタスクに分解することで,複雑なタスクを解くための分解プロンプトを提案する。
このモジュール構造は、各プロンプトを特定のサブタスクに最適化することを可能にする。
Decomposed Promptingの柔軟性とモジュラリティは、数発のプロンプトで先行作業より優れていることを示す。
論文 参考訳（メタデータ） (2022-10-05T17:28:20Z) - Unsupervised Learning of Hierarchical Conversation Structure [50.29889385593043]
ゴール指向の会話は、しばしば意味のあるサブ対話構造を持つが、ドメインに依存しやすい。
この研究は、ターンやサブダイアログのセグメントラベルを含む階層的な会話構造を学習するための教師なしのアプローチを導入する。
復号化構造は3つの会話レベル理解タスクのための言語ニューラルネットワークの強化に有用であることが示されている。
論文 参考訳（メタデータ） (2022-05-24T17:52:34Z) - 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) - Reasoning in Dialog: Improving Response Generation by Context Reading
Comprehension [49.92173751203827]
マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。
読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
論文 参考訳（メタデータ） (2020-12-14T10:58:01Z)
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。