Fugu-MT 論文翻訳(概要): Team Flow at DRC2023: Building Common Ground and Text-based Turn-taking in a Travel Agent Spoken Dialogue System

論文の概要: Team Flow at DRC2023: Building Common Ground and Text-based Turn-taking in a Travel Agent Spoken Dialogue System

arxiv url: http://arxiv.org/abs/2312.13816v1
Date: Thu, 21 Dec 2023 13:08:09 GMT
ステータス: 処理完了
システム内更新日: 2023-12-22 14:53:04.339376
Title: Team Flow at DRC2023: Building Common Ground and Text-based Turn-taking in a Travel Agent Spoken Dialogue System
Title（参考訳）: drc2023におけるチームフロー:旅行エージェント対話システムにおける共通グラウンドの構築とテキストによるターンテイク
Authors: Ryu Hirai, Shinya Iizuka, Haruhisa Iseno, Ao Guo, Jingjing Jiang, Atsumoto Ohashi, Ryuichiro Higashinaka
Abstract要約: 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。
参考スコア（独自算出の注目度）: 7.9032835871264115
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: At the Dialogue Robot Competition 2023 (DRC2023), which was held to improve the capability of dialogue robots, our team developed a system that could build common ground and take more natural turns based on user utterance texts. Our system generated queries for sightseeing spot searches using the common ground and engaged in dialogue while waiting for user comprehension.
Abstract（参考訳）: 対話ロボットの能力向上を目的とした対話ロボットコンペティション2023(DRC2023)で、我々のチームは、共通の地盤を構築し、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システムを開発した。本システムでは,利用者の理解を待つ間,共通点を用いた観光スポット検索のクエリを生成し,対話に係わる。

関連論文リスト

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)
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)
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)
A Survey on Proactive Dialogue Systems: Problems, Methods, and Prospects [100.75759050696355]
本稿では,対話エージェントの多種多様な対話における能動性に関する顕著な問題と先進的な設計について概説する。我々は、現実世界のアプリケーションのニーズを満たすが、将来もっと研究に焦点を当てる必要がある課題について議論する。
論文参考訳（メタデータ） (2023-05-04T11:38:49Z)
Team Flow at DRC2022: Pipeline System for Travel Destination Recommendation Task in Spoken Dialogue [1.3984114526463407]
4つのモジュールを含むパイプライン構造を持つ対話システムを構築した。自然言語理解(NLU)と自然言語生成(NLG)モジュールはGPT-2ベースのモデルである。対話状態追跡(DST)とポリシーモジュールは手作りルールに基づいて設計された。
論文参考訳（メタデータ） (2022-10-18T01:11:16Z)
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)
Converse -- A Tree-Based Modular Task-Oriented Dialogue System [99.78110192324843]
Converseは柔軟なツリーベースのモジュラータスク指向対話システムである。 Converseは、他のオープンソースの対話フレームワークと比較してユニークな機能である、タスク依存とタスク切り替えをサポートしている。
論文参考訳（メタデータ） (2022-03-23T04:19:05Z)
A Review of Dialogue Systems: From Trained Monkeys to Stochastic Parrots [0.0]
人工知能をデプロイして、人間と会話できる自動対話エージェントを構築することを目指している。本稿では,長年にわたって対話システムを構築するために開発された手法について概説する。
論文参考訳（メタデータ） (2021-11-02T08:07:55Z)
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)
Grounding Conversations with Improvised Dialogues [25.486608189901705]
我々は、26,000以上のイエス・アンド・ターンのコーパスを収集し、即興の対話からそれらを書き起こし、より大きながより人口の多い映画脚本対話コーパスからそれらを抽出する。コーパスとチップチャットの対話システムを微調整し、より基礎的で関連性の高い会話を奨励し、これらの発見を人間による評価で確認する。
論文参考訳（メタデータ） (2020-04-20T18:05:53Z)
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。