論文の概要: Graph vs. Sequence: An Empirical Study on Knowledge Forms for Knowledge-Grounded Dialogue

• arxiv url: http://arxiv.org/abs/2312.07868v1
• Date: Wed, 13 Dec 2023 03:16:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-14 16:47:16.128524
• Title: Graph vs. Sequence: An Empirical Study on Knowledge Forms for Knowledge-Grounded Dialogue
• Title（参考訳）: グラフ対シーケンス:知識接地対話における知識形式に関する実証的研究
• Authors: Yizhe Yang, Heyan Huang, Yihang Liu, Yang Gao
• Abstract要約: 我々は,3つの本質的な疑問に答えるために,その課題について徹底的な実験と研究を行う。 質問には、適切な知識形態の選択、知識とモデル選択の間の相互効果の度合い、知識のわずかなパフォーマンスなどが含まれる。
• 参考スコア（独自算出の注目度）: 45.36967792307907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge-grounded dialogue is a task of generating an informative response based on both the dialogue history and external knowledge source. In general, there are two forms of knowledge: manually annotated knowledge graphs and knowledge text from website. From various evaluation viewpoints, each type of knowledge has advantages and downsides. To further distinguish the principles and determinants from the intricate factors, we conduct a thorough experiment and study on the task to answer three essential questions. The questions involve the choice of appropriate knowledge form, the degree of mutual effects between knowledge and the model selection, and the few-shot performance of knowledge. Supported by statistical shreds of evidence, we offer conclusive solutions and sensible suggestions for directions and standards of future research.
• Abstract（参考訳）: 知識基底対話は、対話履歴と外部知識ソースの両方に基づいて情報応答を生成するタスクである。 一般に、知識には2つの形式がある: 手作業による知識グラフとwebサイトからの知識テキスト。 様々な評価の観点から、それぞれの知識には利点と欠点がある。 原理と決定要因をさらに複雑な要因と区別するため,我々は3つの本質的疑問に答えるタスクを徹底的に実験し,検討する。 質問は、適切な知識形式の選択、知識とモデル選択の間の相互効果の程度、知識の少数の性能に関するものである。 統計的なエビデンスによって支持され、我々は決定的な解決策と将来の研究の方向性と標準に対する賢明な提案を提供する。

関連論文リスト

• Knowledge Condensation and Reasoning for Knowledge-based VQA [20.808840633377343]
  近年の研究では、外部知識ベースから知識パスを取得し、それを使って質問に答えている。 本稿では,知識凝縮モデルと知識推論モデルという2つの相乗的モデルを提案する。 本手法は知識に基づくVQAデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-03-15T06:06:06Z)
• DialoKG: Knowledge-Structure Aware Task-Oriented Dialogue Generation [9.186215038100904]
  本稿では,言語モデルに知識を効果的に組み込んだタスク指向対話システムであるDialoKGを提案する。 提案システムでは,リレーショナル知識を知識グラフとみなし,構造認識型知識埋め込み技術を導入する。 実験的な評価は、いくつかの標準ベンチマークデータセットにおける最先端手法に対するDialoKGの有効性を示す。
  論文  参考訳（メタデータ） (2022-04-19T22:26:18Z)
• Knowledge-Grounded Dialogue Generation with a Unified Knowledge Representation [78.85622982191522]
  既存のシステムは、トレーニングデータでカバーされる限られたトピックのために、目に見えないトピックでうまく機能しない。 本稿では,異なる知識源を均質化した言語モデルであるPLUGについて述べる。 完全に教師された設定の下で最先端のメソッドと同等のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2021-12-15T07:11:02Z)
• Knowledge-Grounded Dialogue with Reward-Driven Knowledge Selection [1.1633929083694388]
  Knoformerは強化学習に基づく対話応答生成モデルである。 知識プールから1つ以上の関連する知識を自動的に選択することができ、トレーニング中に知識ラベルを必要としない。
  論文  参考訳（メタデータ） (2021-08-31T08:53:08Z)
• Prediction, Selection, and Generation: Exploration of Knowledge-Driven Conversation System [24.537862151735006]
  オープンドメインの会話システムでは、背景知識を活用することは重要だが難しい。 知識ベースと事前学習モデルを組み合わせて,知識駆動会話システムを提案する。 知識駆動対話の生成に影響を与える可能性のあるパフォーマンス要因について検討する。
  論文  参考訳（メタデータ） (2021-04-23T07:59:55Z)
• Multi-turn Dialogue Reading Comprehension with Pivot Turns and Knowledge [43.352833140317486]
  マルチターン対話読解は、機械に対話コンテキストを読み、応答選択や回答質問といったタスクを解くことを目的としている。 この研究は、ピボット発話として重要なターンを抽出することで、上記の2つの課題に対処する最初の試みである。 本稿では,対話理解のためのトランスフォーマーに基づく言語モデル上に,ピボット指向の深層選択モデル(PoDS)を提案する。
  論文  参考訳（メタデータ） (2021-02-10T15:00:12Z)
• KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain Knowledge-Based VQA [107.7091094498848]
  VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。 本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。 知識表現と推論には2つのタイプがあります。 まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
  論文  参考訳（メタデータ） (2020-12-20T20:13:02Z)
• Difference-aware Knowledge Selection for Knowledge-grounded Conversation Generation [101.48602006200409]
  マルチターン・ナレッジ・グラウンドド・ダイアログのための差分認識型知識選択手法を提案する。 まず、現在のターンで提供される候補知識文と、前のターンで選択された候補知識文との差を計算する。 そして、差分情報を文脈情報と融合または解離させ、最終的な知識選択を容易にする。
  論文  参考訳（メタデータ） (2020-09-20T07:47:26Z)
• Sequential Latent Knowledge Selection for Knowledge-Grounded Dialogue [51.513276162736844]
  この問題に対する最初のアプローチとして,逐次潜在変数モデルを提案する。 シーケンシャル・ナレッジ・トランスフォーマー (SKT) という名前のモデルは、知識よりも先行と後続の分布を追跡することができる。
  論文  参考訳（メタデータ） (2020-02-18T11:59:59Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。