論文の概要: Enhancing Task-Oriented Dialogues with Chitchat: a Comparative Study
Based on Lexical Diversity and Divergence
- arxiv url: http://arxiv.org/abs/2311.14067v1
- Date: Thu, 23 Nov 2023 15:50:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 23:18:53.558271
- Title: Enhancing Task-Oriented Dialogues with Chitchat: a Comparative Study
Based on Lexical Diversity and Divergence
- Title（参考訳）: chitchatによるタスク指向対話の強化--語彙の多様性と多様性に基づく比較研究
- Authors: Armand Stricker, Patrick Paroubek
- Abstract要約: タスク指向対話(TOD)は、より多様性とエンゲージメントを高めるために、chitchatで強化されている。
本稿では,多様性の観点から最も効果的なアプローチを特定することを目的とした,3つのchitchat拡張の比較分析を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a recent development, task-oriented dialogues (TODs) have been enriched
with chitchat in an effort to make dialogues more diverse and engaging. This
enhancement is particularly valuable as TODs are often confined to narrow
domains, making the mitigation of repetitive and predictable responses a
significant challenge. This paper presents a comparative analysis of three
chitchat enhancements, aiming to identify the most effective approach in terms
of diversity. Additionally, we quantify the divergence between the added
chitchat, the original task-oriented language, and chitchat typically found in
chitchat datasets, highlighting the top 20 divergent keywords for each
comparison. Our findings drive a discussion on future enhancements for
augmenting TODs, emphasizing the importance of grounding dialogues beyond the
task to achieve more diverse and natural exchanges.
- Abstract（参考訳）: 近年,タスク指向対話(TOD)は,対話をより多様かつ活発にするために,chitchatで強化されている。
この強化は、TODが狭い領域に制限されることがしばしばあり、反復的かつ予測可能な応答の緩和が重要な課題となるため、特に貴重である。
本稿では,3つのchitchat拡張の比較分析を行い,多様性の観点から最も効果的なアプローチを明らかにすることを目的とした。
さらに、タスク指向言語であるchitchatと、chitchatデータセットで一般的に見られるchitchatとの相違を定量化し、各比較で上位20のダイバージェントキーワードを強調する。
本研究は,tod強化のための今後の強化に関する議論を促し,より多様で自然な交流を実現するためのタスクを超えて対話を基礎付けることの重要性を強調した。
関連論文リスト
- An Unsupervised Dialogue Topic Segmentation Model Based on Utterance Rewriting [3.5399864027190366]
本研究では,Utterance Rewriting(UR)技術と教師なし学習アルゴリズムを組み合わせた,教師なし対話トピックセグメンテーション手法を提案する。
The proposed Discourse Rewriting Topic Model (UR-DTS) is significantly improves the accuracy of topic segmentation。
論文 参考訳（メタデータ） (2024-09-12T00:27:31Z) - Context Does Matter: Implications for Crowdsourced Evaluation Labels in Task-Oriented Dialogue Systems [57.16442740983528]
クラウドソースラベルは、タスク指向の対話システムを評価する上で重要な役割を果たす。
従来の研究では、アノテーションプロセスで対話コンテキストの一部だけを使用することが提案されている。
本研究では,対話文脈がアノテーション品質に及ぼす影響について検討する。
論文 参考訳（メタデータ） (2024-04-15T17:56:39Z) - Long Dialog Summarization: An Analysis [28.223798877781054]
この研究は、様々なアプリケーションにおける効果的なコミュニケーションのために、一貫性と文脈的に豊かな要約を作成することの重要性を強調している。
異なる領域における長いダイアログの要約に対する現在の最先端のアプローチについて検討し、ベンチマークに基づく評価により、異なる要約タスクのために、各領域で1つのモデルがうまく機能しないことを示す。
論文 参考訳（メタデータ） (2024-02-26T19:35:45Z) - Self-Explanation Prompting Improves Dialogue Understanding in Large
Language Models [52.24756457516834]
大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。
このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。
6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
論文 参考訳（メタデータ） (2023-09-22T15:41:34Z) - Dialogue Agents 101: A Beginner's Guide to Critical Ingredients for Designing Effective Conversational Systems [29.394466123216258]
本研究は,対話エージェントの主要な特徴,対応するオープンドメインデータセット,およびこれらのデータセットをベンチマークする手法について概説する。
我々は,既存のデータセットの会話から構築された統一dIalogue dataseTであるUNITを提案する。
論文 参考訳（メタデータ） (2023-07-14T10:05:47Z) - Unsupervised Dialogue Topic Segmentation with Topic-aware Utterance
Representation [51.22712675266523]
対話トピック(DTS)は、様々な対話モデリングタスクにおいて重要な役割を果たす。
本稿では,ラベルなし対話データからトピック対応発話表現を学習する,教師なしDSSフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-04T11:35:23Z) - Learning Dialogue Representations from Consecutive Utterances [29.150589618130695]
本稿では,自己指導型コントラスト学習手法である対話文埋め込み(DSE)を紹介する。
DSEは、対照的な学習のための正のペアと同じ対話の連続的な発話を取り、対話から学習する。
異なる意味的粒度の対話表現を調べる5つの下流対話課題についてDSEを評価する。
論文 参考訳（メタデータ） (2022-05-26T18:15:13Z) - TOD-DA: Towards Boosting the Robustness of Task-oriented Dialogue
Modeling on Spoken Conversations [24.245354500835465]
本稿では,音声対話におけるタスク指向対話モデリングの堅牢性を高めるために,新しいモデルに依存しないデータ拡張パラダイムを提案する。
本手法は,音声対話におけるタスク指向対話モデリングのベンチマークであるDSTC10 Track2の両タスクにおいて,第1位となった。
論文 参考訳（メタデータ） (2021-12-23T10:04:25Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳（メタデータ） (2020-05-27T02:05:33Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳（メタデータ） (2020-04-17T03:51:57Z) - Recent Advances and Challenges in Task-oriented Dialog System [63.82055978899631]
課題指向対話システムは、学術・産業社会でますます注目を集めている。
タスク指向ダイアログシステムにおける3つの重要なトピックについて論じる。(1)低リソース環境でのダイアログモデリングを容易にするデータ効率の改善、(2)ダイアログポリシー学習のためのマルチターンダイナミクスのモデリング、(3)ダイアログモデルへのドメイン知識の統合。
論文 参考訳（メタデータ） (2020-03-17T01:34:56Z)
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。