論文の概要: IntentDial: An Intent Graph based Multi-Turn Dialogue System with Reasoning Path Visualization

• arxiv url: http://arxiv.org/abs/2310.11818v1
• Date: Wed, 18 Oct 2023 09:21:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-19 17:19:47.526048
• Title: IntentDial: An Intent Graph based Multi-Turn Dialogue System with Reasoning Path Visualization
• Title（参考訳）: IntentDial:Reasoning Pathを可視化したインテントグラフに基づくマルチトゥル対話システム
• Authors: Zengguang Hao and Jie Zhang and Binxia Xu and Yafang Wang and Gerard de Melo and Xiaolong Li
• Abstract要約: 本稿では,グラフに基づくマルチターン対話システムを提案する。 強化学習を用いて、グラフから意図要素と標準クエリを識別することで、ユーザの意図を識別する。
• 参考スコア（独自算出の注目度）: 24.888848712778664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intent detection and identification from multi-turn dialogue has become a widely explored technique in conversational agents, for example, voice assistants and intelligent customer services. The conventional approaches typically cast the intent mining process as a classification task. Although neural classifiers have proven adept at such classification tasks, the issue of neural network models often impedes their practical deployment in real-world settings. We present a novel graph-based multi-turn dialogue system called , which identifies a user's intent by identifying intent elements and a standard query from a dynamically constructed and extensible intent graph using reinforcement learning. In addition, we provide visualization components to monitor the immediate reasoning path for each turn of a dialogue, which greatly facilitates further improvement of the system.
• Abstract（参考訳）: 対話エージェント,例えば音声アシスタントやインテリジェント顧客サービスにおいて,マルチターン対話からのインテント検出と識別が広く研究されている。 従来のアプローチでは、インテントマイニングプロセスを分類タスクとして採用していた。 神経分類器はそのような分類タスクに長けているが、ニューラルネットワークモデルの問題はしばしば実際の環境での実際の展開を妨げる。 本稿では,動的に構築された拡張可能なインテントグラフから,インテント要素と標準クエリを識別することでユーザのインテントを識別する,グラフベースの多ターン対話システムである。 さらに,対話の各行毎の即時推論経路を監視するための可視化コンポーネントも提供し,システムの改善を大いに促進する。

関連論文リスト

• Improved intent classification based on context information using a windows-based approach [0.0]
  意図分類タスクは、ユーザが発話から何を達成しようとしているかを特定することを目的としている。 以前の作業では、あるクエリの意図を予測するために、現在の発話のみを使用していた。 本稿では,意図分類タスクにおける文脈情報の役割について検討する。
  論文  参考訳（メタデータ） (2024-11-09T00:56:02Z)
• Discovering Customer-Service Dialog System with Semi-Supervised Learning and Coarse-to-Fine Intent Detection [6.869753194843482]
  タスク指向ダイアログは,マルチターン会話による特定の目標達成を支援することを目的としている。 教師/学生のパラダイムに基づいた弱教師付きデータセットを構築した。 また,ユーザ意図を検出するために,モジュール型対話システムと粗粒度分類を統合した。
  論文  参考訳（メタデータ） (2022-12-23T14:36:43Z)
• Multi-Modal Few-Shot Object Detection with Meta-Learning-Based Cross-Modal Prompting [77.69172089359606]
  本稿では,マルチモーダルな複数ショットオブジェクト検出(FSOD)について,少数ショット視覚例とクラスセマンティック情報の両方を用いて検討する。 我々のアプローチは、(メトリックベース)メタラーニングとプロンプトベースラーニングの高レベルな概念的類似性によって動機付けられている。 提案するマルチモーダルFSODモデルを,複数の複数ショットオブジェクト検出ベンチマークで総合的に評価し,有望な結果を得た。
  論文  参考訳（メタデータ） (2022-04-16T16:45:06Z)
• Gaining Insights into Unrecognized User Utterances in Task-Oriented Dialog Systems [6.09284941695878]
  本稿では,特定のクラスタリングアルゴリズムを含む,未認識のユーザ発話を処理するエンドツーエンドパイプラインを提案する。 提案したクラスタリングアルゴリズムを評価し,その性能を外部SOTAソリューションと比較した。
  論文  参考訳（メタデータ） (2022-04-11T14:45:55Z)
• Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue Systems [109.16553492049441]
  よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。 我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
  論文  参考訳（メタデータ） (2022-03-20T17:51:49Z)
• 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)
• Retrieve & Memorize: Dialog Policy Learning with Multi-Action Memory [13.469140432108151]
  本稿では,システム行動の学習を促進するための検索・記憶フレームワークを提案する。 メモリ拡張型マルチデコーダネットワークを用いて、候補動作に条件付きシステム動作を生成する。 本手法は,コンテキスト・ツー・レスポンス生成タスクにおける最先端モデル間の競合性能を実現する。
  論文  参考訳（メタデータ） (2021-06-04T07:53:56Z)
• Alexa Conversations: An Extensible Data-driven Approach for Building Task-oriented Dialogue Systems [21.98135285833616]
  従来の目標指向対話システムは、自然言語理解、対話状態追跡、政策学習、応答生成など、さまざまなコンポーネントに依存している。 スケーラブルかつデータ効率の高い,目標指向の対話システム構築のための新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-04-19T07:09:27Z)
• Discovering Dialog Structure Graph for Open-Domain Dialog Generation [51.29286279366361]
  chitchat corporaの対話構造を無監督で発見します。 次に、下流システムでのダイアログ生成を容易にするために利用します。 本稿では,グラフニューラルネットワーク(DVAE-GNN)を用いた離散変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2020-12-31T10:58:37Z)
• Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
  本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。 ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
  論文  参考訳（メタデータ） (2020-10-11T08:27:07Z)
• Masking Orchestration: Multi-task Pretraining for Multi-role Dialogue Representation Learning [50.5572111079898]
  マルチロール対話理解は、質問応答、行動分類、対話要約など、幅広い多様なタスクを含む。 対話コーパスは豊富に利用可能であるが、特定の学習タスクのためのラベル付きデータは非常に不足しており、高価である。 本研究では,教師なし事前学習タスクを用いた対話文脈表現学習について検討する。
  論文  参考訳（メタデータ） (2020-02-27T04:36:52Z)

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。