論文の概要: Transforming Slot Schema Induction with Generative Dialogue State Inference
- arxiv url: http://arxiv.org/abs/2408.01638v1
- Date: Sat, 3 Aug 2024 02:41:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 19:10:37.617868
- Title: Transforming Slot Schema Induction with Generative Dialogue State Inference
- Title（参考訳）: 生成的対話状態推論によるスロットスキーマの変換
- Authors: James D. Finch, Boxin Zhao, Jinho D. Choi,
- Abstract要約: スロットインジェクション(SSI)は、ラベルのない対話データからスロットを自動的に誘導することを目的としている。
本手法は,対話状態を表すための高品質な候補情報を検出する。
MultiWOZデータセットとSGDデータセットの実験的比較により、生成対話状態推論(Generative Dialogue State Inference, GenDSI)が従来の最先端よりも優れていることが示された。
- 参考スコア（独自算出の注目度）: 14.06505399101404
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The challenge of defining a slot schema to represent the state of a task-oriented dialogue system is addressed by Slot Schema Induction (SSI), which aims to automatically induce slots from unlabeled dialogue data. Whereas previous approaches induce slots by clustering value spans extracted directly from the dialogue text, we demonstrate the power of discovering slots using a generative approach. By training a model to generate slot names and values that summarize key dialogue information with no prior task knowledge, our SSI method discovers high-quality candidate information for representing dialogue state. These discovered slot-value candidates can be easily clustered into unified slot schemas that align well with human-authored schemas. Experimental comparisons on the MultiWOZ and SGD datasets demonstrate that Generative Dialogue State Inference (GenDSI) outperforms the previous state-of-the-art on multiple aspects of the SSI task.
- Abstract（参考訳）: タスク指向対話システムの状態を表すスロットスキーマを定義する際の課題は、ラベルなし対話データからスロットを自動的に誘導することを目的としたスロットスキーマインジェクション(SSI)によって解決される。
従来の手法では,対話テキストから直接抽出されたクラスタリング値によってスロットを誘導するが,生成的手法を用いてスロットを発見する能力を示す。
従来のタスク知識を持たないキー対話情報を要約したスロット名と値を生成するモデルを訓練することにより,SSI法は対話状態を表すための高品質な候補情報を検出する。
これらの発見されたスロット値候補は、容易に統合されたスロットスキーマにクラスタ化され、人間が承認したスキーマと整合する。
MultiWOZデータセットとSGDデータセットの実験的比較により、生成対話状態推論(Generative Dialogue State Inference, GenDSI)は、SSIタスクの複数の側面において、以前の最先端よりも優れていることが示された。
関連論文リスト
- DIONYSUS: A Pre-trained Model for Low-Resource Dialogue Summarization [127.714919036388]
DIONYSUSは、任意の新しいドメインでの対話を要約するための訓練済みエンコーダデコーダモデルである。
実験の結果,DIONYSUSは6つのデータセット上で既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2022-12-20T06:21:21Z) - Enhancing Task Bot Engagement with Synthesized Open-Domain Dialog [89.35658776144638]
TODとODDの両方を扱えるシステムを構築し、異なる知識ソースにアクセスすることが不可欠である。
本稿では,知識基盤のODDとTODを組み合わせた対話を自動的に生成するフレームワークを提案する。
本研究では,TODモードとODDモードを適切に適用し,異なる知識ソースにアクセス可能な統合モデルPivotBotを提案する。
論文 参考訳（メタデータ） (2022-12-20T05:51:47Z) - DiSTRICT: Dialogue State Tracking with Retriever Driven In-Context
Tuning [7.5700317050237365]
対話状態追跡(DST)のための一般化可能なインコンテキストチューニング手法であるDiSTRICTを提案する。
DSTRICTは、手作りのテンプレートを使わずにモデルを微調整するために、与えられた対話のための非常に関連性の高いトレーニング例を検索する。
MultiWOZベンチマークデータセットによる実験では、DiSTRICTは、さまざまなゼロショットおよび少数ショット設定において、既存のアプローチよりも優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2022-12-06T09:40:15Z) - Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。
本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
論文 参考訳（メタデータ） (2022-02-28T20:18:12Z) - A Context-Aware Hierarchical BERT Fusion Network for Multi-turn Dialog
Act Detection [6.361198391681688]
CaBERT-SLUはコンテキスト対応階層型BERT融合ネットワーク(CaBERT-SLU)である
提案手法は,2つの複雑なマルチターン対話データセットにおいて,最新技術(SOTA)のパフォーマンスに到達する。
論文 参考訳（メタデータ） (2021-09-03T02:00:03Z) - Novel Slot Detection: A Benchmark for Discovering Unknown Slot Types in
the Task-Oriented Dialogue System [17.45841883192018]
タスク指向対話システムにおいて,新しいタスクであるノベルスロット検出(NSD)を導入する。
NSDは、ドメイン内のトレーニングデータに基づいて対話システムの能力を強化するために、未知または外部のスロットタイプを発見することを目的としている。
我々は2つのパブリックなNSDデータセットを構築し、いくつかの強力なNSDベースラインを提案し、将来の作業のためのベンチマークを確立する。
論文 参考訳（メタデータ） (2021-05-29T14:46:38Z) - Leveraging Slot Descriptions for Zero-Shot Cross-Domain Dialogue State
Tracking [50.04597636485369]
ゼロショットクロスドメイン状態追跡(DST)により、ドメイン内のデータを収集することなく、未確認領域でのタスク指向対話を処理できる。
ゼロショットクロスドメインDSTのためのスロット記述拡張生成手法を提案する。
論文 参考訳（メタデータ） (2021-05-10T09:34:01Z) - Slot Self-Attentive Dialogue State Tracking [22.187581131353948]
スロット相関を自動的に学習できるスロット自己認識機構を提案する。
2つのマルチドメインタスク指向対話データセットの包括的な実験を行います。
論文 参考訳（メタデータ） (2021-01-22T22:48:51Z) - Discovering Dialog Structure Graph for Open-Domain Dialog Generation [51.29286279366361]
chitchat corporaの対話構造を無監督で発見します。
次に、下流システムでのダイアログ生成を容易にするために利用します。
本稿では,グラフニューラルネットワーク(DVAE-GNN)を用いた離散変分自動エンコーダを提案する。
論文 参考訳（メタデータ） (2020-12-31T10:58:37Z) - A Sequence-to-Sequence Approach to Dialogue State Tracking [17.81139775400199]
Seq2Seq-DUはシーケンス対シーケンス問題として対話状態追跡を形式化する。
インテント、スロット、スロットの値を共同でモデル化することができる。
分類スロットや非分類スロット、見えないスキーマを効果的に扱うことができる。
論文 参考訳（メタデータ） (2020-11-18T21:42:44Z) - Non-Autoregressive Dialog State Tracking [122.2328875457225]
非自己回帰的対話状態追跡(NADST)の新しい枠組みを提案する。
NADSTはドメインとスロット間の潜在的な依存関係を分解し、分離されたスロットではなく完全なセットとして対話状態の予測を改善するためにモデルを最適化する。
以上の結果から,MultiWOZ 2.1コーパス上の全領域にわたる最先端の接合精度が得られた。
論文 参考訳（メタデータ） (2020-02-19T06:39:26Z)
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。