論文の概要: VERVE: Template-based ReflectiVE Rewriting for MotiVational IntErviewing
- arxiv url: http://arxiv.org/abs/2311.08299v2
- Date: Fri, 8 Mar 2024 19:29:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 15:17:43.913829
- Title: VERVE: Template-based ReflectiVE Rewriting for MotiVational IntErviewing
- Title(参考訳): VERVE: テンプレートベースのMotiVational IntErviewing用リライト
- Authors: Do June Min and Ver\'onica P\'erez-Rosas and Kenneth Resnicow and Rada
Mihalcea
- Abstract要約: VERVEはテンプレートベースの書き換えシステムである。
我々は,非反射文を優れたコンテンツ保存・反射スタイルのトレードオフを達成しつつ,より反射的な応答に変換するのに,我々の枠組みが有効であることを示す。
- 参考スコア(独自算出の注目度): 24.015747697294522
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reflective listening is a fundamental skill that counselors must acquire to
achieve proficiency in motivational interviewing (MI). It involves responding
in a manner that acknowledges and explores the meaning of what the client has
expressed in the conversation. In this work, we introduce the task of
counseling response rewriting, which transforms non-reflective statements into
reflective responses. We introduce VERVE, a template-based rewriting system
with paraphrase-augmented training and adaptive template updating. VERVE first
creates a template by identifying and filtering out tokens that are not
relevant to reflections and constructs a reflective response using the
template. Paraphrase-augmented training allows the model to learn less-strict
fillings of masked spans, and adaptive template updating helps discover
effective templates for rewriting without significantly removing the original
content. Using both automatic and human evaluations, we compare our method
against text rewriting baselines and show that our framework is effective in
turning non-reflective statements into more reflective responses while
achieving a good content preservation-reflection style trade-off.
- Abstract(参考訳): リフレクティブリスニングは、カウンセラーがモチベーション面接(MI)の熟練を達成するための基本的なスキルである。
これは、クライアントが会話で表現した意味を認識し、探求する方法で応答することを伴う。
本稿では,非反射文を反射応答に変換する応答書き換えのカウンセリングタスクを紹介する。
本稿では,paraphraseによるトレーニングとアダプティブテンプレート更新を備えたテンプレートベースの書き換えシステムであるverveを紹介する。
VERVEはまず、リフレクションに関係のないトークンを識別してフィルタリングすることでテンプレートを作成し、テンプレートを使用して反射応答を構築する。
パラフレーズ拡張トレーニングにより、モデルはマスクされたスパンの制限の少ないフィリングを学習でき、適応的なテンプレート更新は、オリジナルのコンテンツを著しく削除することなく、書き換えのための効果的なテンプレートを見つけるのに役立つ。
自動評価とヒューマン評価の両方を用いて,本手法をテキスト書き換えベースラインと比較し,ノンリフレクティブステートメントをリフレクティブ応答に変換し,良質なコンテンツ保存・リフレクションスタイルトレードオフを達成する上で有効であることを示す。
関連論文リスト
- RefuteBench: Evaluating Refuting Instruction-Following for Large
Language Models [19.985647101348775]
本稿では,質問応答,機械翻訳,電子メール作成などのタスクをカバーするベンチマークRefuteBenchを提案する。
評価の目的は、モデルが反響命令の形で肯定的にフィードバックを受けられるか、会話を通してユーザー要求に一貫して従えられるかを評価することである。
論文 参考訳(メタデータ) (2024-02-21T01:39:56Z) - RLVF: Learning from Verbal Feedback without Overgeneralization [94.19501420241188]
本稿では,このような過度な一般化を伴わずに,言語フィードバックを取り入れることの課題について検討する。
制約付き選好最適化(C3PO)を用いた新しい文脈的批評手法を開発した。
提案手法は,他の文脈に対する既存行動を維持しながら,関連するシナリオに対して効果的な言語フィードバックを適用する。
論文 参考訳(メタデータ) (2024-02-16T18:50:24Z) - Self-RAG: Learning to Retrieve, Generate, and Critique through
Self-Reflection [74.51523859064802]
我々は、自己回帰検索拡張生成(Self-RAG)と呼ばれる新しいフレームワークを導入する。
自己RAGは、検索と自己回帰によってLMの品質と事実性を高める。
様々なタスクセットにおいて、最先端のLCMや検索強化モデルよりも大幅に優れています。
論文 参考訳(メタデータ) (2023-10-17T18:18:32Z) - Mining Clues from Incomplete Utterance: A Query-enhanced Network for
Incomplete Utterance Rewriting [19.61459026395263]
不完全な発話書き直しの問題に対処するQUEry-Enhanced Network (QUEEN)を提案する。
提案するクエリテンプレートは,不完全な発話と書き直された発話生成モデルの間の意味的構造的知識を明示的に提供する。
我々は、2つのトークンの関係をモデル化するために、高速で効果的な編集操作スコアリングネットワークを採用する。
論文 参考訳(メタデータ) (2023-07-03T09:08:06Z) - Query Rewriting for Retrieval-Augmented Large Language Models [139.242907155883]
大規模言語モデル(LLM)は、検索対象のパイプラインで強力なブラックボックスリーダーを動作させる。
この作業では、検索拡張LDMに対する以前の検索テーマ読み込みの代わりに、新しいフレームワークであるRewrite-Retrieve-Readを導入する。
論文 参考訳(メタデータ) (2023-05-23T17:27:50Z) - A Few-shot Approach to Resume Information Extraction via Prompts [0.0]
本稿では,情報抽出を再開するために即時学習を適用する。
手作業でテンプレートを作成し、テキストを再開するように調整します。
本報告では,特定のアプリケーションに対して,言語処理を行うためのルールであるMKV(Manual Knowledgeable Verbalizer)を提案する。
論文 参考訳(メタデータ) (2022-09-20T04:01:46Z) - Dialogue Summarization with Supporting Utterance Flow Modeling and Fact
Regularization [58.965859508695225]
本稿では、2つの新しいモジュールを用いた対話要約のためのエンドツーエンドニューラルネットワークを提案する。
サポートされた発話フローモデリングは、前者の発話から後者へのフォーカスを円滑にシフトさせることで、コヒーレントな要約を生成するのに役立つ。
事実の正則化は、モデルトレーニング中に生成された要約は、基礎と真実の要約と実際に一致するように促します。
論文 参考訳(メタデータ) (2021-08-03T03:09:25Z) - Exploring Fluent Query Reformulations with Text-to-Text Transformers and
Reinforcement Learning [11.205077315939644]
テキストからテキストへの変換器を用いた改質器の訓練により、クエリの改質を生成する方法を検討する。
ポリシーベースの強化学習アルゴリズムを適用し、報酬学習をさらに促進します。
当社のフレームワークはフレキシブルで,異なる下流環境から報奨信号の発信を可能にする。
論文 参考訳(メタデータ) (2020-12-18T03:16:37Z) - A Controllable Model of Grounded Response Generation [122.7121624884747]
現在のエンドツーエンドのニューラルネットワークモデルは、応答生成プロセスにセマンティックコントロールを課す柔軟性を本質的に欠いている。
我々は制御可能な接地応答生成(CGRG)と呼ばれるフレームワークを提案する。
このフレームワークを用いることで、会話のようなRedditデータセットでトレーニングされた、新しいインダクティブアテンション機構を備えたトランスフォーマーベースのモデルが、強力な生成ベースラインを上回っていることを示す。
論文 参考訳(メタデータ) (2020-05-01T21:22:08Z) - Prototype-to-Style: Dialogue Generation with Style-Aware Editing on
Retrieval Memory [65.98002918470543]
文体対話生成の課題に対処する新しいプロトタイプ・ツー・スタイルのフレームワークを提案する。
このフレームワークは、IR(Information Retrieval)システムを使用して、検索した応答から応答プロトタイプを抽出する。
スタイリスティック応答生成器は、プロトタイプと所望の言語スタイルをモデル入力として、高品質でスタイリスティックな応答を得る。
論文 参考訳(メタデータ) (2020-04-05T14:36:15Z)
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。