論文の概要: Harmonizing Code-mixed Conversations: Personality-assisted Code-mixed
Response Generation in Dialogues
- arxiv url: http://arxiv.org/abs/2401.12995v1
- Date: Thu, 18 Jan 2024 15:21:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-28 15:31:35.311095
- Title: Harmonizing Code-mixed Conversations: Personality-assisted Code-mixed
Response Generation in Dialogues
- Title（参考訳）: 符号混合会話の調和:対話におけるパーソナリティ支援符号混合応答生成
- Authors: Shivani Kumar, Tanmoy Chakraborty
- Abstract要約: 本稿では,対話から得られた5つの人格特性を教師なしの方法で活用し,応答生成の性能を高めることを目的とした,新しいアプローチを提案する。
これは、識別されたパーソナリティが対話コンテキストにシームレスに統合された場合の応答生成タスクにおけるROUGEとBLUEスコアの上昇に顕著である。
- 参考スコア（独自算出の注目度）: 28.49660948650183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Code-mixing, the blending of multiple languages within a single conversation,
introduces a distinctive challenge, particularly in the context of response
generation. Capturing the intricacies of code-mixing proves to be a formidable
task, given the wide-ranging variations influenced by individual speaking
styles and cultural backgrounds. In this study, we explore response generation
within code-mixed conversations. We introduce a novel approach centered on
harnessing the Big Five personality traits acquired in an unsupervised manner
from the conversations to bolster the performance of response generation. These
inferred personality attributes are seamlessly woven into the fabric of the
dialogue context, using a novel fusion mechanism, PA3. It uses an effective
two-step attention formulation to fuse the dialogue and personality
information. This fusion not only enhances the contextual relevance of
generated responses but also elevates the overall performance of the model. Our
experimental results, grounded in a dataset comprising of multi-party
Hindi-English code-mix conversations, highlight the substantial advantages
offered by personality-infused models over their conventional counterparts.
This is evident in the increase observed in ROUGE and BLUE scores for the
response generation task when the identified personality is seamlessly
integrated into the dialogue context. Qualitative assessment for personality
identification and response generation aligns well with our quantitative
results.
- Abstract（参考訳）: コードミキシング(Code-mixing)は、1つの会話で複数の言語をブレンドしたもので、特に応答生成の文脈において顕著な課題をもたらす。
コード混合の複雑さを捉えることは、個人の話し方や文化的な背景に影響された幅広いバリエーションを考えると、恐ろしい仕事である。
本研究では,コード混合会話における応答生成について検討する。
本稿では,会話から教師なしの方法で獲得した5つの人格特性を活用し,応答生成の性能を高めることを目的とした新しいアプローチを提案する。
これらの推定されたパーソナリティ属性は、新しい融合機構pa3を用いて対話コンテキストの生地にシームレスに織り込まれる。
効果的な2段階の注意定式化を用いて対話とパーソナリティ情報を融合する。
この融合は、生成された応答の文脈的関連性を高めるだけでなく、モデル全体のパフォーマンスを高める。
実験の結果は,多人数のヒンズー・イングリッシュ・コード混合会話からなるデータセットに基礎を置き,パーソナリティを融合したモデルが従来のモデルよりも有意なアドバンテージを浮き彫りにした。
これは、識別されたパーソナリティが対話コンテキストにシームレスに統合された場合の応答生成タスクにおけるROUGEとBLUEスコアの上昇に顕著である。
人格識別と応答生成の質的評価は定量的な結果とよく一致している。
関連論文リスト
- Self-Directed Turing Test for Large Language Models [56.64615470513102]
チューリングテストは、自然言語の会話においてAIが人間のような振る舞いを示すことができるかどうかを調べる。
従来のチューリングテストでは、各参加者が1回に1つのメッセージだけを送信する厳格な対話形式を採用している。
本稿では,バーストダイアログ形式を用いた自己指示チューリングテストを提案する。
論文 参考訳（メタデータ） (2024-08-19T09:57:28Z) - UniMS-RAG: A Unified Multi-source Retrieval-Augmented Generation for Personalized Dialogue Systems [43.266153244137215]
大規模言語モデル(LLM)は多くの自然言語理解および生成タスクにおいて例外的な機能を示している。
我々は、パーソナライズされた応答を3つのサブタスク(知識ソース選択、知識検索、応答生成)に分解する。
統一多ソース検索拡張生成システム(UniMS-RAG)を提案する。
論文 参考訳（メタデータ） (2024-01-24T06:50:20Z) - Enhancing Personality Recognition in Dialogue by Data Augmentation and
Heterogeneous Conversational Graph Networks [30.33718960981521]
パーソナリティ認識は、ユーザ適応応答をカスタマイズするロボットの能力を高めるのに有用である。
この課題の1つは、既存の対話コーパスにおける話者の限られた数である。
論文 参考訳（メタデータ） (2024-01-11T12:27:33Z) - Paralinguistics-Enhanced Large Language Modeling of Spoken Dialogue [71.15186328127409]
パラリンGPT(Paralin GPT)
モデルは、シリアライズされたマルチタスクフレームワーク内の入力プロンプトとして、テキスト、音声埋め込み、およびパラ言語属性の会話コンテキストを取る。
音声対話データセットとして,感情ラベルをパラ言語属性として含むSwitchboard-1コーパスを利用する。
論文 参考訳（メタデータ） (2023-12-23T18:14:56Z) - Emotional Listener Portrait: Realistic Listener Motion Simulation in
Conversation [50.35367785674921]
リスナーヘッドジェネレーションは、話者から提供される情報を参照して、リスナーの非言語行動を生成することに集中する。
このような反応を生成する上で重要な課題は、会話中のきめ細かい表情の非決定論的性質である。
本稿では,複数の個別な動きコーパスの合成として,各顔の動きを微粒化処理する情緒的リスナー・ポートレート(ELP)を提案する。
ELPモデルは,学習分布からのサンプリングにより,与えられた話者に対する自然な,多様な応答を自動的に生成するだけでなく,所定の姿勢で制御可能な応答を生成することができる。
論文 参考訳（メタデータ） (2023-09-29T18:18:32Z) - PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded
Dialogue Systems [59.1250765143521]
現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。
我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。
対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
論文 参考訳（メタデータ） (2023-09-19T08:27:09Z) - Controllable Mixed-Initiative Dialogue Generation through Prompting [50.03458333265885]
混合開始対話タスクには、情報の繰り返し交換と会話制御が含まれる。
エージェントは、ポリシープランナーが定める特定の対話意図や戦略に従う応答を生成することにより、コントロールを得る。
標準的なアプローチは、これらの意図に基づいて生成条件を実行するために、訓練済みの言語モデルを微調整している。
代わりに、条件生成の微調整に代えて、大きな言語モデルをドロップインで置き換えるように促します。
論文 参考訳（メタデータ） (2023-05-06T23:11:25Z) - Mitigating Negative Style Transfer in Hybrid Dialogue System [42.65754135759929]
ユーザ固有の目標を達成し,ユーザとのオープン・トピック・チャットに参加するハイブリッド対話システムに注目が集まっている。
既存の研究は、マルチタスク融合技術を利用して両方のタスクを同時に学習するが、ユニークなテキストスタイルの違いによって引き起こされる負の伝達現象を無視する。
多様なデータセットに対する教師付き自己監督型正負のサンプル構成を考案する。
論文 参考訳（メタデータ） (2022-12-14T12:13:34Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - Diversifying Dialogue Generation with Non-Conversational Text [38.03510529185192]
非会話的テキストを活用することで対話生成を多様化する新しい視点を提案する。
我々は、フォーラムコメント、イディオム、本スニペットを含む複数の情報源から、大規模な非会話コーパスを収集する。
得られたモデルは、2つの会話データセット上でテストされ、コンテキストとの関連性を犠牲にすることなく、はるかに多様な応答を生成することが示されている。
論文 参考訳（メタデータ） (2020-05-09T02:16:05Z)
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。