論文の概要: CET2: Modelling Topic Transitions for Coherent and Engaging Knowledge-Grounded Conversations

• arxiv url: http://arxiv.org/abs/2403.01848v1
• Date: Mon, 4 Mar 2024 08:55:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 19:25:40.157722
• Title: CET2: Modelling Topic Transitions for Coherent and Engaging Knowledge-Grounded Conversations
• Title（参考訳）: CET2:コヒーレントと包括的会話のためのトピック遷移のモデル化
• Authors: Lin Xu, Qixian Zhou, Jinlan Fu, See-Kiong Ng
• Abstract要約: 知識接地型対話システムは,対話コンテキストと選択された外部知識に基づいて,一貫性と係り合う応答を生成することを目的としている。 従来の知識選択手法は、対話の文脈に強く依存しすぎるか、選択した知識の中で新しい情報を過度に強調する傾向がある。 我々は,会話の文脈に忠実な知識を選択するためのトピック遷移をモデル化するために,コヒーレント・エンゲージング・トピック遷移フレームワークを導入する。
• 参考スコア（独自算出の注目度）: 44.32118148085158
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Knowledge-grounded dialogue systems aim to generate coherent and engaging responses based on the dialogue contexts and selected external knowledge. Previous knowledge selection methods tend to rely too heavily on the dialogue contexts or over-emphasize the new information in the selected knowledge, resulting in the selection of repetitious or incongruous knowledge and further generating repetitive or incoherent responses, as the generation of the response depends on the chosen knowledge. To address these shortcomings, we introduce a Coherent and Engaging Topic Transition (CET2) framework to model topic transitions for selecting knowledge that is coherent to the context of the conversations while providing adequate knowledge diversity for topic development. Our CET2 framework considers multiple factors for knowledge selection, including valid transition logic from dialogue contexts to the following topics and systematic comparisons between available knowledge candidates. Extensive experiments on two public benchmarks demonstrate the superiority and the better generalization ability of CET2 on knowledge selection. This is due to our well-designed transition features and comparative knowledge selection strategy, which are more transferable to conversations about unseen topics. Analysis of fine-grained knowledge selection accuracy also shows that CET2 can better balance topic entailment (contextual coherence) and development (knowledge diversity) in dialogue than existing approaches.
• Abstract（参考訳）: 知識接地型対話システムは,対話コンテキストと選択された外部知識に基づいて,一貫性と係り合う応答を生成することを目的としている。 従来の知識選択手法は、対話の文脈に強く依存しすぎるか、選択した知識に新しい情報を過度に強調する傾向にあり、結果として繰り返しまたは不連続な知識が選択され、応答の生成は選択した知識に依存するため、繰り返しまたは不整合な応答が生成される。 これらの欠点に対処するために,トピック開発に十分な知識多様性を提供しながら,会話のコンテキストに忠実な知識を選択するためのトピック遷移をモデル化する,コヒーレント・エンゲージング・トピック・トランジション(CET2)フレームワークを導入する。 cet2フレームワークは、対話コンテキストから次のトピックへの有効な遷移論理や、利用可能な知識候補間の系統的比較を含む、知識選択のための複数の要素を検討します。 2つの公開ベンチマークでの大規模な実験は、知識選択におけるCET2の優位性とより良い一般化能力を示している。 これは、よく設計されたトランジション機能と、未確認トピックに関する会話に転送しやすい比較知識選択戦略によるものです。 きめ細かい知識選択精度の分析は、CET2が既存のアプローチよりも、対話におけるトピックの包含(コンテキストコヒーレンス)と開発(多様性)のバランスをとることができることを示している。

関連論文リスト

• 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)
• Topic-Aware Response Generation in Task-Oriented Dialogue with Unstructured Knowledge Access [20.881612071473118]
  課題指向対話における話題情報をよりよく統合するために,トピック認識応答生成(TARG)を提案する。 TARGは、対話発話や外部知識ソースよりも重要度重み付け方式を導出するために、複数の話題認識型アテンション機構を組み込んでいる。
  論文  参考訳（メタデータ） (2022-12-10T22:32:28Z)
• RT-KGD: Relation Transition Aware Knowledge-Grounded Dialogue Generation [20.37399983466163]
  関係遷移を考慮した知識包含対話生成モデル(RT-KGD)を提案する。 具体的には、人間会話の潜在論理に触発され、対話レベルの関係遷移規則とターンレベルのエンティティ意味情報を統合する。 このように、知識間の相互作用は、適切な知識を予測し、一貫性のある応答を生成するための豊富な手がかりを生み出すと考えられる。
  論文  参考訳（メタデータ） (2022-07-17T16:07:38Z)
• Multimodal Dialog Systems with Dual Knowledge-enhanced Generative Pretrained Language Model [63.461030694700014]
  マルチモーダルなタスク指向対話システム(DKMD)のための新しい二元的知識強化型事前学習言語モデルを提案する。 提案したDKMDは,2つの知識選択,2つの知識強調型文脈学習,知識強調型応答生成という3つの重要なコンポーネントから構成される。 パブリックデータセットの実験は、最先端の競合相手よりも提案されたDKMDの優位性を検証する。
  論文  参考訳（メタデータ） (2022-07-16T13:02:54Z)
• Contextualized Knowledge-aware Attentive Neural Network: Enhancing Answer Selection with Knowledge [77.77684299758494]
  ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。 まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。 KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
  論文  参考訳（メタデータ） (2021-04-12T05:52:20Z)
• 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)
• Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
  MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。 本研究は,複数回対話を行う対話型MRCに焦点を当てている。 それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
  論文  参考訳（メタデータ） (2020-04-29T07:04:43Z)
• 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)

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。