論文の概要: Team Irisapu Project Description for DRC2023

• arxiv url: http://arxiv.org/abs/2312.13765v1
• Date: Thu, 21 Dec 2023 11:44:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-22 15:03:22.507157
• Title: Team Irisapu Project Description for DRC2023
• Title（参考訳）: チーム Irisapu Project Description for DRC2023
• Authors: Reon Ohashi, Shinjitsu Agatsuma, Kazuya Tsubokura and Yurie Iribe
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper describes the dialog robot system designed by Team Irisapu for the preliminary round of the Dialogue Robot Competition 2023 (DRC2023). In order to generate dialogue responses flexibly while adhering to predetermined scenarios, we attempted to generate dialogue response sentences using OpenAI's GPT-3. We aimed to create a system that can appropriately respond to users by dividing the dialogue scenario into five sub-scenarios, and creating prompts for each sub-scenario. Also, we incorporated a recovery strategy that can handle dialogue breakdowns flexibly. Our research group has been working on research related to dialogue breakdown detection, and we incorporated our findings to date in this competition. As a result of the preliminary round, a bug in our system affected the outcome and we were not able to achieve a satisfactory result. However, in the evaluation category of "reliability of provided information", we ranked third among all teams.
• Abstract（参考訳）: 本稿では,ダイアログロボットコンペティション2023(DRC2023)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。 所定のシナリオに固執しながら柔軟に対話応答を生成するために,openaiのgpt-3を用いて対話応答文の生成を試みた。 対話シナリオを5つのサブscenariosに分割し,各サブscenarioに対してプロンプトを作成することにより,ユーザに対して適切な応答を行うシステムの構築を目指す。 また,対話のブレークダウンを柔軟に処理できるリカバリ戦略も取り入れた。 当研究グループは,対話的ブレークダウン検出に関する研究に取り組んでおり,このコンペティションにこれまでの知見を取り入れた。 予備ラウンドの結果,システム内のバグが結果に影響を与え,良好な結果が得られなかった。 しかし、"提供された情報の信頼性"の評価カテゴリでは、全チームの中で3位に位置づけました。

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)
• Enhancing Consistency in Multimodal Dialogue System Using LLM with Dialogue Scenario [1.3456699275044242]
  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。
  論文  参考訳（メタデータ） (2023-12-20T07:15:04Z)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• AutoReply: Detecting Nonsense in Dialogue Introspectively with Discriminative Replies [71.62832112141913]
  対話モデルは、不適切なメッセージを示す応答の確率を計算し、内観的に自分のメッセージの誤りを検出することができることを示す。 まず、手作りの返信は外交と同じくらい複雑なアプリケーションにおけるナンセンスを検出するタスクに有効であることを示す。 AutoReplyの生成した応答は手作りの応答よりも優れており、慎重に調整された大規模な教師付きモデルと同等に動作することがわかった。
  論文  参考訳（メタデータ） (2022-11-22T22:31:34Z)
• HybriDialogue: An Information-Seeking Dialogue Dataset Grounded on Tabular and Textual Data [87.67278915655712]
  我々は、ウィキペディアのテキストとテーブルの両方を基盤とした、クラウドソーシングされた自然な会話からなる新しい対話データセットHybriDialogueを提示する。 これらの会話は、複雑なマルチホップ質問をシンプルで現実的なマルチターン対話に分解することで生成される。
  論文  参考訳（メタデータ） (2022-04-28T00:52:16Z)
• WeaSuL: Weakly Supervised Dialogue Policy Learning: Reward Estimation for Multi-turn Dialogue [17.663449579168297]
  エージェントとユーザ(教師付き学習目標を持つエージェントに類似したモデル化)の対話をシミュレートし、相互に対話する。 エージェントは動的ブロッキングを使用して、ランク付けされた多様な応答と探索-探索を生成し、トップK応答の中から選択する。 2つのベンチマークによる実証研究は、我々のモデルが応答品質を著しく上回り、会話の成功につながることを示唆している。
  論文  参考訳（メタデータ） (2021-08-01T08:00:45Z)
• Saying No is An Art: Contextualized Fallback Responses for Unanswerable Dialogue Queries [3.593955557310285]
  ほとんどの対話システムは、ランク付けされた応答を生成するためのハイブリッドアプローチに依存している。 ユーザクエリに対して文脈的に認識された応答を生成するニューラルネットワークを設計する。 我々の単純なアプローチでは、依存関係解析のルールと、質問応答ペアの合成データに基づいて微調整されたテキストからテキストへの変換を行う。
  論文  参考訳（メタデータ） (2020-12-03T12:34:22Z)
• ConvAI3: Generating Clarifying Questions for Open-Domain Dialogue Systems (ClariQ) [64.60303062063663]
  本論文では,対話システムに対する質問の明確化に関する課題について詳述する(ClariQ)。 このチャレンジは、2020年のSearch Oriented Conversational AI (SCAI) EMNLPワークショップで、ConvAI3(Conversational AI Challenge series)の一部として組織されている。
  論文  参考訳（メタデータ） (2020-09-23T19:48:02Z)
• Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
  スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。 コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。 DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-17T21:02:40Z)
• 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。

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。