Fugu-MT 論文翻訳(概要): Enhancing Consistency in Multimodal Dialogue System Using LLM with Dialogue Scenario

論文の概要: Enhancing Consistency in Multimodal Dialogue System Using LLM with Dialogue Scenario

arxiv url: http://arxiv.org/abs/2312.12808v1
Date: Wed, 20 Dec 2023 07:15:04 GMT
ステータス: 処理完了
システム内更新日: 2023-12-21 16:24:07.886320
Title: Enhancing Consistency in Multimodal Dialogue System Using LLM with Dialogue Scenario
Title（参考訳）: LLMと対話シナリオを用いたマルチモーダル対話システムの一貫性向上
Authors: Hiroki Onozeki, Zhiyang Qi, Kazuma Akiyama, Ryutaro Asahara, Takumasa Kaneko, Michimasa Inaba
Abstract要約: 旅行代理店の利用者が京都市内の観光地2カ所を訪れる計画を決定するのを手伝う。対話システムは柔軟で安定しており,対話シナリオに応じて対話フローを制御することでユーザ要求に応答する。予備ラウンドでは,全12チーム中,印象評価では第5位,計画評価では第6位であった。
参考スコア（独自算出の注目度）: 1.3456699275044242
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper describes our dialogue system submitted to Dialogue Robot Competition 2023. The system's task is to help a user at a travel agency decide on a plan for visiting two sightseeing spots in Kyoto City that satisfy the user. Our dialogue system is flexible and stable and responds to user requirements by controlling dialogue flow according to dialogue scenarios. We also improved user satisfaction by introducing motion and speech control based on system utterances and user situations. In the preliminary round, our system was ranked fifth in the impression evaluation and sixth in the plan evaluation among all 12 teams.
Abstract（参考訳）: 本稿では,対話ロボットコンペティション2023に提案する対話システムについて述べる。利用者を満足させる京都市内の観光地2カ所を、旅行代理店の利用者が訪問する計画を決定するのを支援する。対話システムは柔軟で安定しており,対話シナリオに応じて対話フローを制御することでユーザ要求に応答する。また,システム発話やユーザ状況に基づいた動作制御や音声制御を導入し,ユーザの満足度を向上させる。予備ラウンドでは,全12チーム中,印象評価では第5位,計画評価では第6位であった。

関連論文リスト

Team Flow at DRC2023: Building Common Ground and Text-based Turn-taking in a Travel Agent Spoken Dialogue System [7.9032835871264115]
我々のチームは、共通基盤を構築し、ユーザの発話テキストに基づいてより自然な旋回を行うことのできるシステムを開発した。本システムでは,利用者の理解を待ちながら,共通点を用いた観光スポット検索のクエリを生成し,対話を行った。
論文参考訳（メタデータ） (2023-12-21T13:08:09Z)
Team Irisapu Project Description for DRC2023 [0.0]
本稿では,ダイアログロボットコンペティション2023の予備ラウンドのために,Team Irisapuが設計したダイアログロボットシステムについて述べる。所定のシナリオに順応しながら,対話応答を柔軟に生成しようと試みた。提供された情報の信頼性”の評価カテゴリでは、すべてのチームの中で3位に位置づけました。
論文参考訳（メタデータ） (2023-12-21T11:44:13Z)
Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文参考訳（メタデータ） (2023-10-31T14:12:07Z)
Follow Me: Conversation Planning for Target-driven Recommendation Dialogue Systems [9.99763097964222]
推薦対話システムは,ユーザとソーシャル・ボンドを構築し,高品質なレコメンデーションを提供することを目的としている。本稿では,目標駆動型レコメンデーション対話システムという,将来的なパラダイムを推し進める。ユーザが会話を通じて、指定されたターゲットを徐々に受け入れるように、自然に誘導する方法に重点を置いています。
論文参考訳（メタデータ） (2022-08-06T13:23:42Z)
User Satisfaction Estimation with Sequential Dialogue Act Modeling in Goal-oriented Conversational Systems [65.88679683468143]
我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。 USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。 4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
論文参考訳（メタデータ） (2022-02-07T02:50:07Z)
UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented Dialogues [59.499965460525694]
上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
論文参考訳（メタデータ） (2021-10-15T11:56:47Z)
Modeling and Utilizing User's Internal State in Movie Recommendation Dialogue [17.87695990289955]
ユーザの内部状態(UIS)を対話でモデル化し,UISに基づいて応答を変更する対話システムを構築する。モデル化されたUISアノテーションと対話コーパスでUIS推定器をトレーニングする。また、各UISに応じてシステムの応答を変更する応答変更ルールを設計する。
論文参考訳（メタデータ） (2020-12-05T20:50:53Z)
Overview of the Ninth Dialog System Technology Challenge: DSTC9 [111.35889309106359]
第9回対話システム技術チャレンジ(DSTC-9)は、対話システムにおける4つの異なるタスクにエンドツーエンドの対話技術を適用することに焦点を当てている。本稿では,各トラックのタスク定義,データセット,ベースライン,評価設定について述べる。
論文参考訳（メタデータ） (2020-11-12T16:43:10Z)
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)
Attention over Parameters for Dialogue Systems [69.48852519856331]
我々は,異なる対話スキルを個別にパラメータ化する対話システムを学び,AoP(Attention over Parameters)を通じてそれぞれを選択し,組み合わせることを学ぶ。実験の結果,MultiWOZ,In-Car Assistant,Persona-Chatの複合データセット上での競合性能が得られた。
論文参考訳（メタデータ） (2020-01-07T03:10:42Z)

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。