論文の概要: Persona-Coded Poly-Encoder: Persona-Guided Multi-Stream Conversational Sentence Scoring

• arxiv url: http://arxiv.org/abs/2309.16770v2
• Date: Fri, 1 Dec 2023 18:45:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 17:57:17.160317
• Title: Persona-Coded Poly-Encoder: Persona-Guided Multi-Stream Conversational Sentence Scoring
• Title（参考訳）: ペルソナ符号化ポリエンコーダ:パーソナガイド付きマルチストリーム対話文スコアリング
• Authors: Junfeng Liu, Christopher Symons, Ranga Raju Vatsavai
• Abstract要約: 本稿では,対話における応答生成の質を向上させるために,多ストリーム符号化方式におけるペルソナ情報を活用するペルソナ符号ポリエンコーダを提案する。 実験結果と分析により,本手法はBLEUスコアとHR@1の3.32%,2.94%の会話品質を向上できることが示された。
• 参考スコア（独自算出の注目度）: 4.454629320045368
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in machine learning and deep learning have led to the widespread use of Conversational AI in many practical applications. However, it is still very challenging to leverage auxiliary information that can provide conversational context or personalized tuning to improve the quality of conversations. For example, there has only been limited research on using an individuals persona information to improve conversation quality, and even state-of-the-art conversational AI techniques are unable to effectively leverage signals from heterogeneous sources of auxiliary data, such as multi-modal interaction data, demographics, SDOH data, etc. In this paper, we present a novel Persona-Coded Poly-Encoder method that leverages persona information in a multi-stream encoding scheme to improve the quality of response generation for conversations. To show the efficacy of the proposed method, we evaluate our method on two different persona-based conversational datasets, and compared against two state-of-the-art methods. Our experimental results and analysis demonstrate that our method can improve conversation quality over the baseline method Poly-Encoder by 3.32% and 2.94% in terms of BLEU score and HR@1, respectively. More significantly, our method offers a path to better utilization of multi-modal data in conversational tasks. Lastly, our study outlines several challenges and future research directions for advancing personalized conversational AI technology.
• Abstract（参考訳）: 機械学習とディープラーニングの最近の進歩は、多くの実践的応用において会話型AIの普及につながっている。 しかし、会話の質を向上させるために、会話コンテキストやパーソナライズされたチューニングを提供する補助情報を活用することは依然として非常に困難である。 例えば、個人のペルソナ情報を使って会話の質を向上させる研究は限られており、最先端の会話AI技術でさえ、マルチモーダルインタラクションデータ、人口統計、SDOHデータなどの異種データからの信号を効果的に活用することはできない。 本稿では,対話における応答生成の質を向上させるために,多ストリーム符号化方式におけるペルソナ情報を活用するペルソナ符号化方式を提案する。 提案手法の有効性を示すために,2つの異なるペルソナベースの会話型データセットを用いた手法を評価し,2つの最先端手法と比較した。 実験結果と分析により,ベースライン方式のポリエンコーダよりも会話品質が3.32%向上し,2.94%向上した。 さらに,本手法は,対話タスクにおけるマルチモーダルデータのより良い利用方法を提供する。 最後に,パーソナライズされた会話型ai技術の進歩に向けた課題と今後の研究方向性について概説する。

関連論文リスト

• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• Context Retrieval via Normalized Contextual Latent Interaction for Conversational Agent [3.9635467316436133]
  本稿では,会話応答の質を向上させるために,関連情報を正確かつ効率的に識別できる新しい手法であるPK-NCLIを提案する。 実験の結果, PK-NCLIは, 難易度, 知識基盤, 訓練効率において, 最先端のPK-FoCuよりも優れていた。
  論文  参考訳（メタデータ） (2023-12-01T18:53:51Z)
• Can AI Serve as a Substitute for Human Subjects in Software Engineering Research? [24.39463126056733]
  本稿では,人工知能(AI)の能力を活用したソフトウェア工学研究における定性データ収集手法を提案する。 定性的データの代替源としてAI生成合成テキストの可能性を探る。 観察研究とユーザ評価における人間の行動のエミュレートを目的とした新しい基礎モデルの開発について論じる。
  論文  参考訳（メタデータ） (2023-11-18T14:05:52Z)
• AutoConv: Automatically Generating Information-seeking Conversations with Large Language Models [74.10293412011455]
  合成会話生成のためのAutoConvを提案する。 具体的には,会話生成問題を言語モデリングタスクとして定式化する。 我々は、情報探索プロセスの特徴を捉えるために、人間同士の会話でLLMを微調整する。
  論文  参考訳（メタデータ） (2023-08-12T08:52:40Z)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• Persona-Based Conversational AI: State of the Art and Challenges [5.7817077975444136]
  我々は、ペルソナに基づく情報によって会話における応答生成の質を向上させる方法について検討する。 我々の研究は、現在の最先端の手法に対するいくつかの制限を強調し、パーソナライズされた対話型AI技術を推進するための課題と今後の研究方向性を概説する。
  論文  参考訳（メタデータ） (2022-12-04T18:16:57Z)
• Persona-Knowledge Dialogue Multi-Context Retrieval and Enhanced Decoding Methods [1.066048003460524]
  我々はペルソナ・知識の識別と応答生成タスクに取り組む。 ニューラルQ&A検索モデルと互換性のある情報拡張戦略を設計する。 我々は、93.99%のグラウンディング精度と23.62のSacreBLEUスコアを持つ公式の指標でSOTAを達成している。
  論文  参考訳（メタデータ） (2022-07-28T07:19:08Z)
• Partner Matters! An Empirical Study on Fusing Personas for Personalized Response Selection in Retrieval-Based Chatbots [51.091235903442715]
  本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。 4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。 Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
  論文  参考訳（メタデータ） (2021-05-19T10:32:30Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。