論文の概要: Leveraging Explicit Reasoning for Inference Integration in Commonsense-Augmented Dialogue Models
- arxiv url: http://arxiv.org/abs/2406.09138v1
- Date: Thu, 13 Jun 2024 14:07:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-14 17:34:25.042748
- Title: Leveraging Explicit Reasoning for Inference Integration in Commonsense-Augmented Dialogue Models
- Title（参考訳）: Commonsense-Augmented Dialogue Modelにおける推論統合のための明示的推論の活用
- Authors: Sarah E. Finch, Jinho D. Choi,
- Abstract要約: オープンドメイン対話システムは、人間のユーザに対して効果的に理解し、応答するために、社会的常識を理解する必要がある。
既存のコモンセンス拡張ダイアログへのアプローチは、応答生成中にコモンセンス推論を統合する暗黙の推論に依存している。
- 参考スコア（独自算出の注目度）: 12.116834890063146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-domain dialogue systems need to grasp social commonsense to understand and respond effectively to human users. Commonsense-augmented dialogue models have been proposed that aim to infer commonsense knowledge from dialogue contexts in order to improve response quality. However, existing approaches to commonsense-augmented dialogue rely on implicit reasoning to integrate commonsense inferences during response generation. In this study, we explore the impact of explicit reasoning against implicit reasoning over commonsense for dialogue response generation. Our findings demonstrate that separating commonsense reasoning into explicit steps for generating, selecting, and integrating commonsense into responses leads to better dialogue interactions, improving naturalness, engagement, specificity, and overall quality. Subsequent analyses of these findings unveil insights into the effectiveness of various types of commonsense in generating responses and the particular response traits enhanced through explicit reasoning for commonsense integration. Our work advances research in open-domain dialogue by achieving a new state-of-the-art in commonsense-augmented response generation.
- Abstract（参考訳）: オープンドメイン対話システムは、人間のユーザに対して効果的に理解し、応答するために、社会的常識を理解する必要がある。
対話文脈から常識知識を推定し,応答品質を向上させることを目的とした対話モデルが提案されている。
しかし、既存のコモンセンス拡張ダイアログへのアプローチは、応答生成中にコモンセンス推論を統合する暗黙の推論に依存している。
本研究では,対話応答生成におけるコモンセンスに対する暗黙的推論に対する明示的推論の影響について検討する。
本研究は,コモンセンス推論を反応生成,選択,統合するための明示的なステップに分割することで,対話の対話性の向上,自然性,エンゲージメント,特異性,全体的な品質の向上につながることを示した。
これらの結果から,各種コモンセンスの応答生成における有効性や,コモンセンス統合の明示的推論によって強化された特定の応答特性に関する知見が得られた。
本研究は,コモンセンス強化応答生成における新しい最先端技術の実現により,オープンドメイン対話の研究を進める。
関連論文リスト
- An Empirical Bayes Framework for Open-Domain Dialogue Generation [27.83533924583182]
本稿では,事前学習したパラメータを活用してオープンドメイン対話エージェントを構築するための経験的ベイズフレームワークを提案する。
実験結果から,BODEBは多様性とコヒーレンスの両方の観点から,変分フレームワークよりも優れた結果が得られることが示された。
論文 参考訳（メタデータ） (2023-11-18T02:48:41Z) - 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) - Improving Empathetic Dialogue Generation by Dynamically Infusing
Commonsense Knowledge [39.536604198392375]
共感的な会話では、個人は他人に対する共感を表現する。
これまでの研究は主に、話者の感情を利用して共感的な反応を生み出すことに焦点を当ててきた。
本稿では,コモンセンス知識選択のための適応モジュールを組み込んだ共感応答生成手法を提案する。
論文 参考訳（メタデータ） (2023-05-24T10:25:12Z) - EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
多人数対話では、応答発話の宛先を生成前に指定する必要がある。
本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
論文 参考訳（メタデータ） (2023-05-21T09:22:41Z) - 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) - Dialogue Inspectional Summarization with Factual Inconsistency Awareness [34.97845384948336]
非事前学習・事前学習環境下での対話検査要約(DIS)の現実的矛盾問題について検討する。
2つの補助的なタスクを伴って、革新的なエンドツーエンドの対話要約生成フレームワークを提案する。
包括的実験により、提案モデルにより、現実的な側面を正確に網羅したより読みやすい要約が生成できることが示されている。
論文 参考訳（メタデータ） (2021-11-05T06:26:22Z) - Alquist 4.0: Towards Social Intelligence Using Generative Models and
Dialogue Personalization [0.0]
このシステムの4番目のバージョンは、Alexa Prize Socialbot Grand Challenge 4で開発された。
コヒーレンスに関するイノベーションのために,手作りの応答と生成モデルを組み合わせた新しいハイブリッドアプローチを提案する。
エンゲージメントのイノベーションは、主に有名な探検・探検のジレンマに触発されている。
論文 参考訳（メタデータ） (2021-09-16T13:24:34Z) - Commonsense-Focused Dialogues for Response Generation: An Empirical
Study [39.49727190159279]
対話応答生成におけるコモンセンスの実証的研究について述べる。
まず、ConceptNetを利用して既存の対話データセットから共通感覚対話を自動的に抽出する。
次に、対話的な環境での社会的常識を示すことを目的とした、25K対話を備えた対話データセットを新たに収集する。
論文 参考訳（メタデータ） (2021-09-14T04:32:09Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳（メタデータ） (2020-05-27T02:05:33Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳（メタデータ） (2020-04-17T03:51:57Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。