論文の概要: TOD-Flow: Modeling the Structure of Task-Oriented Dialogues

• arxiv url: http://arxiv.org/abs/2312.04668v1
• Date: Thu, 7 Dec 2023 20:06:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 17:07:51.717884
• Title: TOD-Flow: Modeling the Structure of Task-Oriented Dialogues
• Title（参考訳）: TOD-Flow:タスク指向対話の構造モデリング
• Authors: Sungryull Sohn, Yiwei Lyu, Anthony Liu, Lajanugen Logeswaran, Dong-Ki Kim, Dongsub Shim, Honglak Lee
• Abstract要約: ダイアログを付加した対話データからTOD-Flowグラフを推定する手法を提案する。 推定されたTOD-Flowグラフは、任意の対話モデルと容易に統合することができ、予測性能、透明性、制御性を改善することができる。
• 参考スコア（独自算出の注目度）: 77.15457469745364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task-Oriented Dialogue (TOD) systems have become crucial components in interactive artificial intelligence applications. While recent advances have capitalized on pre-trained language models (PLMs), they exhibit limitations regarding transparency and controllability. To address these challenges, we propose a novel approach focusing on inferring the TOD-Flow graph from dialogue data annotated with dialog acts, uncovering the underlying task structure in the form of a graph. The inferred TOD-Flow graph can be easily integrated with any dialogue model to improve its prediction performance, transparency, and controllability. Our TOD-Flow graph learns what a model can, should, and should not predict, effectively reducing the search space and providing a rationale for the model's prediction. We show that the proposed TOD-Flow graph better resembles human-annotated graphs compared to prior approaches. Furthermore, when combined with several dialogue policies and end-to-end dialogue models, we demonstrate that our approach significantly improves dialog act classification and end-to-end response generation performance in the MultiWOZ and SGD benchmarks. Code available at: https://github.com/srsohn/TOD-Flow
• Abstract（参考訳）: タスク指向対話(TOD)システムは、対話型人工知能アプリケーションにおいて重要なコンポーネントとなっている。 近年の進歩は、事前訓練された言語モデル(PLM)に重きを置いているが、透明性と可制御性に関する制限が示されている。 これらの課題に対処するために,対話行動に注釈が付された対話データからtodフローグラフを推測し,その基礎となるタスク構造をグラフ形式で明らかにすることに焦点を当てた新しいアプローチを提案する。 推定されたtodフローグラフは任意の対話モデルと容易に統合でき、予測性能、透明性、制御性が向上する。 提案するTOD-Flowグラフは,モデルにできること,すべきこと,すべきでないことを学習し,探索空間を効果的に削減し,モデルの予測に根拠を与える。 提案するtod-flowグラフは,従来のアプローチよりも人間の注釈付きグラフによく似ている。 さらに,複数の対話ポリシーとエンドツーエンド対話モデルを組み合わせることで,MultiWOZおよびSGDベンチマークにおける対話行為分類とエンドツーエンド応答生成性能を大幅に向上することを示す。 コード提供: https://github.com/srsohn/tod-flow

関連論文リスト

• Simulating Task-Oriented Dialogues with State Transition Graphs and Large Language Models [16.94819621353007]
  SynTODは、エンドツーエンドのタスク指向対話(TOD)システムを開発するための新しい合成データ生成手法である。 大規模言語モデルを用いたランダムウォークと応答シミュレーションにより多様な構造化された会話を生成する。 実験では,グラフ誘導応答シミュレーションを用いて意図分類,スロット充填,応答関連性を大幅に改善した。
  論文  参考訳（メタデータ） (2024-04-23T06:23:34Z)
• Turning Flowchart into Dialog: Augmenting Flowchart-grounded Troubleshooting Dialogs via Synthetic Data Generation [50.06143883455979]
  Flowchart-grounded trouble shooting dialogue (FTD) システムは、特定のドメインにおけるユーザの問題を診断するフローチャートの指示に従う。 多様な合成ダイアログデータを大規模に生成する計画ベース合成データ生成手法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T11:08:27Z)
• Stabilized In-Context Learning with Pre-trained Language Models for Few Shot Dialogue State Tracking [57.92608483099916]
  大規模事前学習言語モデル(PLM)は、多くのNLPタスクにまたがる優れた性能を示している。 対話状態追跡(DST)のようなより複雑なタスクでは、望ましい意図を確実に伝達するプロンプトを設計するのは簡単ではない。 対話文の長さを制限するためのサリエンシモデルを導入し、クエリ毎に多くの例を含めることができます。
  論文  参考訳（メタデータ） (2023-02-12T15:05:10Z)
• Conversations Are Not Flat: Modeling the Dynamic Information Flow across Dialogue Utterances [28.255324166852535]
  オープンドメイン対話モデルは、歴史的文脈に応じて許容可能な応答を生成することができる。 本稿では,コンテキストフローをモデル化する動的フロー機構を導入するダイアロフローモデルを提案する。 コードと事前訓練されたモデルは公開されます。
  論文  参考訳（メタデータ） (2021-06-04T03:04:06Z)
• Dialogue Discourse-Aware Graph Convolutional Networks for Abstractive Meeting Summarization [24.646506847760822]
  会議要約のための対話談-Aware Graph Convolutional Networks (DDA-GCN) を開発する。 まず,対話談話関係を用いた会議テキスト全体を談話グラフに変換し,それからDDA-GCNを用いてそのグラフの意味表現を符号化する。 最後に,再帰的ニューラルネットワークを用いて要約を生成する。
  論文  参考訳（メタデータ） (2020-12-07T07:51:38Z)
• Task-Oriented Dialogue as Dataflow Synthesis [158.77123205487334]
  本稿では,対話状態がデータフローグラフとして表現されるタスク指向対話へのアプローチについて述べる。 対話エージェントは、各ユーザの発話を、このグラフを拡張するプログラムにマッピングする。 我々は、イベント、天気、場所、人々に関する複雑な対話を特徴とする、新しいデータセットであるSMCalFlowを紹介した。
  論文  参考訳（メタデータ） (2020-09-24T00:35:26Z)
• Dialogue Relation Extraction with Document-level Heterogeneous Graph Attention Networks [21.409522845011907]
  対話関係抽出(DRE)は,多人数対話で言及される2つのエンティティ間の関係を検出することを目的としている。 本稿では,グラフが有意に接続された話者,エンティティ,エンティティタイプ,発話ノードを含むDREのためのグラフ注意ネットワーク方式を提案する。 このグラフに基づくアプローチは,対話における異なるエンティティペア間の関係を効果的に捉え,最先端のアプローチよりも優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2020-09-10T18:51:48Z)
• Non-Autoregressive Dialog State Tracking [122.2328875457225]
  非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。 NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。 以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
  論文  参考訳（メタデータ） (2020-02-19T06:39:26Z)
• Variational Hierarchical Dialog Autoencoder for Dialog State Tracking Data Augmentation [59.174903564894954]
  本研究では,この手法を,ゴール指向対話のための対話状態追跡タスクに拡張する。 目的指向ダイアログの完全な側面をモデル化するための変分階層型ダイアログオートエンコーダ(VHDA)を提案する。 各種ダイアログデータセットを用いた実験により、生成データ拡張による下流ダイアログトラッカーのロバスト性の向上が示された。
  論文  参考訳（メタデータ） (2020-01-23T15:34:56Z)

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。