論文の概要: End-to-end Task-oriented Dialogue: A Survey of Tasks, Methods, and
Future Directions
- arxiv url: http://arxiv.org/abs/2311.09008v1
- Date: Wed, 15 Nov 2023 14:50:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-16 15:29:27.059607
- Title: End-to-end Task-oriented Dialogue: A Survey of Tasks, Methods, and
Future Directions
- Title（参考訳）: エンドツーエンドのタスク指向対話:タスク,方法,今後の方向性に関する調査
- Authors: Libo Qin, Wenbo Pan, Qiguang Chen, Lizi Liao, Zhou Yu, Yue Zhang,
Wanxiang Che, Min Li
- Abstract要約: エンドツーエンドのタスク指向対話(EToD)は、モジュールトレーニングなしでエンドツーエンドで応答を直接生成できる。
ディープニューラルネットワークの進歩、特に大きな事前訓練モデルの使用の成功は、EToD研究に大きな進歩をもたらした。
- 参考スコア（独自算出の注目度）: 65.64674377591852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: End-to-end task-oriented dialogue (EToD) can directly generate responses in
an end-to-end fashion without modular training, which attracts escalating
popularity. The advancement of deep neural networks, especially the successful
use of large pre-trained models, has further led to significant progress in
EToD research in recent years. In this paper, we present a thorough review and
provide a unified perspective to summarize existing approaches as well as
recent trends to advance the development of EToD research. The contributions of
this paper can be summarized: (1) \textbf{\textit{First survey}}: to our
knowledge, we take the first step to present a thorough survey of this research
field; (2) \textbf{\textit{New taxonomy}}: we first introduce a unified
perspective for EToD, including (i) \textit{Modularly EToD} and (ii)
\textit{Fully EToD}; (3) \textbf{\textit{New Frontiers}}: we discuss some
potential frontier areas as well as the corresponding challenges, hoping to
spur breakthrough research in EToD field; (4) \textbf{\textit{Abundant
resources}}: we build a public website\footnote{We collect the related papers,
baseline projects, and leaderboards for the community at
\url{https://etods.net/}.}, where EToD researchers could directly access the
recent progress. We hope this work can serve as a thorough reference for the
EToD research community.
- Abstract（参考訳）: エンドツーエンドのタスク指向対話(EToD)は、モジュラートレーニングなしでエンドツーエンドで応答を直接生成できるため、人気が高まる。
ディープニューラルネットワークの進歩、特に大規模な事前訓練モデルの使用の成功は、近年のEToD研究の著しい進歩につながっている。
本稿では,etod研究の発展を進めるために,既存のアプローチと最近のトレンドをまとめるべく,徹底したレビューを行い,統一的な視点を提供する。
本論文のコントリビューションは以下にまとめる: (1) \textbf{\textit{First survey}}: 我々の知識に対して、我々はこの研究分野の徹底的な調査を行うための第一歩を踏み出した; (2) \textbf{\textit{New taxonomy}}: 最初にEToDの統一的な視点を導入する。
i) \textit{Modularly EToD} および
(ii) \textit{fully etod}; (3) \textbf{\textit{new frontiers}}: いくつかの潜在的なフロンティア領域と対応する課題について議論し、etodフィールドにおける画期的な研究を促進することを望んでいる; (4) \textbf{\textit{abundant resources}}: 公開ウェブサイト\footnote{we collect the related papers, baseline projects, and leaderboards for the community at \url{https://etods.net/} を構築する。
EToDの研究者たちは、最近の進歩に直接アクセスできる。
この研究がEToD研究コミュニティの徹底的な参考になることを期待しています。
関連論文リスト
- Capturing research literature attitude towards Sustainable Development Goals: an LLM-based topic modeling approach [0.7806050661713976]
持続可能な開発目標は2015年に国連によって策定され、2030年までにこれらの世界的な課題に対処した。
自然言語処理技術は、研究文献の中のSDGに関する議論を明らかにするのに役立つ。
我々は,Scopusデータベースからコンテンツを取り出し,SDGの5つのグループ専用のデータセットを作成する,完全に自動化されたパイプラインを提案する。
論文 参考訳（メタデータ） (2024-11-05T09:37:23Z) - A Survey on Deep Active Learning: Recent Advances and New Frontiers [27.07154361976248]
この研究は、ディープラーニングに基づくアクティブラーニング(DAL)の難しさを克服する上で、研究者にとって有用かつ迅速なガイドとなることを目的としている。
この手法は適用可能性の広さから人気が高まりつつあるが、特にディープラーニングに基づくアクティブラーニング(DAL)に関する調査論文は乏しいままである。
論文 参考訳（メタデータ） (2024-05-01T05:54:33Z) - Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。
各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。
我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
論文 参考訳（メタデータ） (2023-12-29T14:25:22Z) - Federated Learning for Generalization, Robustness, Fairness: A Survey
and Benchmark [55.898771405172155]
フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。
我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
論文 参考訳（メタデータ） (2023-11-12T06:32:30Z) - A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。
ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。
この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
論文 参考訳（メタデータ） (2023-06-03T08:39:25Z) - A Survey on Cross-Lingual Summarization [43.89340385650822]
言語間の要約は、異なる言語における文書の1つの言語で要約を生成するタスクである。
グローバル化の背景から、この課題は計算言語学コミュニティから注目を集めている。
この分野におけるデータセット、アプローチ、課題に関する最初の体系的批判的レビューを提示する。
論文 参考訳（メタデータ） (2022-03-23T16:24:21Z) - A Survey on Dialogue Summarization: Recent Advances and New Frontiers [19.07064815868915]
本稿では、利用可能な研究データセットの概要と、入力対話の領域に従って既存の作業を要約し、統一されたメトリクスの下でリーダーボードを編成する。
対話要約の第1回調査は,コミュニティに迅速なアクセスと,この課題の全体像を提供し,今後の研究を動機付けることを願っている。
論文 参考訳（メタデータ） (2021-07-07T12:11:14Z) - A Survey on Spoken Language Understanding: Recent Advances and New
Frontiers [35.59678070422133]
音声言語理解(SLU)は、ユーザクエリのセマンティクスフレームの抽出を目的とする。
深層ニューラルネットワークの破裂と事前訓練された言語モデルの進化により、SLUの研究は大きなブレークスルーを得た。
論文 参考訳（メタデータ） (2021-03-04T15:22:00Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳（メタデータ） (2020-10-14T17:54:42Z) - From Standard Summarization to New Tasks and Beyond: Summarization with
Manifold Information [77.89755281215079]
テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。
現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。
本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
論文 参考訳（メタデータ） (2020-05-10T14:59:36Z)
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。