論文の概要: Chain of Thought Explanation for Dialogue State Tracking
- arxiv url: http://arxiv.org/abs/2403.04656v1
- Date: Thu, 7 Mar 2024 16:59:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 13:26:38.973095
- Title: Chain of Thought Explanation for Dialogue State Tracking
- Title（参考訳）: 対話状態追跡のための思考説明の連鎖
- Authors: Lin Xu, Ningxin Peng, Daquan Zhou, See-Kiong Ng, Jinlan Fu
- Abstract要約: CoTE(Chain-of-Thought-Explanation)はスロット値の決定後にステップバイステップで詳細な説明を作成するように設計されている。
さらに,CoTEの推論能力を向上させるために,自動言い換えによるより流動的で高品質な説明を構築した。
- 参考スコア（独自算出の注目度）: 52.015771676340016
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dialogue state tracking (DST) aims to record user queries and goals during a
conversational interaction achieved by maintaining a prede- fined set of slots
and their corresponding values. Current approaches decide slot values opaquely,
while humans usually adopt a more deliberate approach by collecting information
from relevant dialogue turns and then reasoning the appropriate values. In this
work, we focus on the steps needed to figure out slot values by proposing a
model named Chain-of-Thought-Explanation (CoTE) for the DST task. CoTE, which
is built on the generative DST framework, is designed to create detailed
explanations step by step after determining the slot values. This process leads
to more accurate and reliable slot values. More-over, to improve the reasoning
ability of the CoTE, we further construct more fluent and high-quality
explanations with automatic paraphrasing, leading the method CoTE-refined.
Experimental results on three widely recognized DST benchmarks-MultiWOZ 2.2,
WoZ 2.0, and M2M-demonstrate the remarkable effectiveness of the CoTE.
Furthermore, through a meticulous fine-grained analysis, we observe significant
benefits of our CoTE on samples characterized by longer dialogue turns, user
responses, and reasoning steps.
- Abstract（参考訳）: ダイアログ状態追跡(DST)は、プリドファインドのスロットセットとその対応する値を維持することで達成された対話間におけるユーザクエリと目標を記録することを目的としている。
現在のアプローチではスロット値を不透明に決定するが、人間は通常、関連する対話の順番から情報を集め、適切な値を推論することで、より慎重なアプローチを採用する。
本研究では,DSTタスクに対してChain-of-Thought-Explanation(CoTE)というモデルを提案することにより,スロット値の探索に必要なステップに着目した。
CoTEは生成DSTフレームワーク上に構築されており、スロット値を決定した後、ステップごとに詳細な説明を作成するように設計されている。
このプロセスは、より正確で信頼性の高いスロット値をもたらす。
さらに, コーテの推論能力を向上させるために, より精巧で高品質な説明を自動パラフレージングで構築し, コーテ精製法を導いた。
3つの広く知られているDSTベンチマーク(MultiWOZ 2.2、WoZ 2.0、M2M)の実験結果は、CoTEの顕著な効果を実証している。
さらに,細粒度に細分化した分析を行い,より長い対話の交代,ユーザ応答,推論ステップを特徴とするサンプルに対するコーテの有意な効果を検証した。
関連論文リスト
- Ladder-of-Thought: Using Knowledge as Steps to Elevate Stance Detection [73.31406286956535]
姿勢検出タスクにLadder-of-Thought(LoT)を導入する。
LoTは、小さなLMに高品質な外部知識を同化させ、生成した中間的論理を精査するように指示する。
実験では, 姿勢検出タスクにおけるCoTのGPT-3.5よりも16%改善し, 10%向上した。
論文 参考訳（メタデータ） (2023-08-31T14:31:48Z) - Choice Fusion as Knowledge for Zero-Shot Dialogue State Tracking [5.691339955497443]
ゼロショットの対話状態トラッキング(DST)は、望ましいドメインをトレーニングすることなく、タスク指向の対話におけるユーザの要求を追跡する。
ドメインに依存しないQAデータセットに基づいて訓練し、ゼロショット対話状態生成のための知識としてスロット値の候補選択を直接利用するCoFunDSTを提案する。
提案手法は,MultiWOZ 2.1 における既存のゼロショット DST アプローチと比較して,精度が向上する。
論文 参考訳（メタデータ） (2023-02-25T07:32:04Z) - Prompt Learning for Few-Shot Dialogue State Tracking [75.50701890035154]
本稿では,限られたラベル付きデータを用いて,対話状態追跡(DST)モデルを効率的に学習する方法に焦点を当てる。
本稿では,2つの主要なコンポーネントである値ベースプロンプトと逆プロンプト機構からなる,数ショットDSTのためのプロンプト学習フレームワークを設計する。
実験により、我々のモデルは未確認のスロットを生成し、既存の最先端の数ショット法より優れていることが示された。
論文 参考訳（メタデータ） (2022-01-15T07:37:33Z) - Zero-Shot Dialogue State Tracking via Cross-Task Transfer [69.70718906395182]
我々は,ゼロショット対話状態追跡タスクに対して,一般質問応答(QA)コーパスからテキストクロスタスク知識を転送することを提案する。
具体的には,抽出QAと複数選択QAをシームレスに組み合わせた転送可能な生成QAモデルであるTransferQAを提案する。
さらに,否定的質問サンプリングと文脈トランケーションという,解決不可能な質問を構築するための2つの効果的な方法を紹介した。
論文 参考訳（メタデータ） (2021-09-10T03:57:56Z) - Improving Longer-range Dialogue State Tracking [22.606650177804966]
対話状態追跡(DST)はタスク指向対話システムにおいて重要な要素である。
本稿では,より長い対話処理を特に重視したDSTの全体的な性能向上を目指す。
論文 参考訳（メタデータ） (2021-02-27T02:44:28Z) - Improving Limited Labeled Dialogue State Tracking with Self-Supervision [91.68515201803986]
既存の対話状態追跡(DST)モデルには多くのラベル付きデータが必要である。
本稿では,潜在的一貫性の維持と対話行動のモデル化という,自己指導型の2つの目的について検討する。
提案する自己教師型信号は,1%のラベル付きデータのみを使用する場合,関節ゴール精度を8.95%向上させることができる。
論文 参考訳（メタデータ） (2020-10-26T21:57:42Z) - CoCo: Controllable Counterfactuals for Evaluating Dialogue State
Trackers [92.5628632009802]
本稿では,このギャップを橋渡しし,新たなシナリオにおける対話状態追跡(DST)モデルを評価するための制御可能な対策(CoCo)を提案する。
CoCoは、2つのステップで新しい会話シナリオを生成する: (i) スロットをドロップして追加し、スロット値を置き換えて、 (ii) (i) で条件付きで対話フローと整合する対実会話生成。
人間による評価では、COCO生成された会話は95%以上の精度でユーザー目標を完璧に反映し、元の会話と同じくらい人間らしくなっている。
論文 参考訳（メタデータ） (2020-10-24T09:39:35Z) - STN4DST: A Scalable Dialogue State Tracking based on Slot Tagging
Navigation [43.796556782050075]
スロットタグナビゲーションに基づく拡張性のある対話状態追跡手法を提案する。
提案モデルは最先端のベースラインよりも性能が優れている。
論文 参考訳（メタデータ） (2020-10-21T08:09:20Z)
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。