論文の概要: Improved intent classification based on context information using a windows-based approach

• arxiv url: http://arxiv.org/abs/2411.06022v1
• Date: Sat, 09 Nov 2024 00:56:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:10:24.255790
• Title: Improved intent classification based on context information using a windows-based approach
• Title（参考訳）: ウィンドウベースアプローチを用いた文脈情報に基づく意図分類の改善
• Authors: Jeanfranco D. Farfan-Escobedo, Julio C. Dos Reis,
• Abstract要約: 意図分類タスクは、ユーザが発話から何を達成しようとしているかを特定することを目的としている。 以前の作業では、あるクエリの意図を予測するために、現在の発話のみを使用していた。 本稿では,意図分類タスクにおける文脈情報の役割について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Conversational systems have a Natural Language Understanding (NLU) module. In this module, there is a task known as an intent classification that aims at identifying what a user is attempting to achieve from an utterance. Previous works use only the current utterance to predict the intent of a given query and they do not consider the role of the context (one or a few previous utterances) in the dialog flow for this task. In this work, we propose several approaches to investigate the role of contextual information for the intent classification task. Each approach is used to carry out a concatenation between the dialogue history and the current utterance. Our intent classification method is based on a convolutional neural network that obtains effective vector representations from BERT to perform accurate intent classification using an approach window-based. Our experiments were carried out on a real-world Brazilian Portuguese corpus with dialog flows provided by Wavy global company. Our results achieved substantial improvements over the baseline, isolated utterances (without context), in three approaches using the user's utterance and system's response from previous messages as dialogue context.
• Abstract（参考訳）: 会話システムには自然言語理解モジュール(Natural Language Understanding, NLU)がある。 このモジュールには、ユーザが発話から何を達成しようとしているかを特定することを目的とした意図分類と呼ばれるタスクがある。 以前の作業では、与えられたクエリの意図を予測するために現在の発話のみを使用しており、このタスクのダイアログフローにおけるコンテキスト(1つまたはいくつかの以前の発話)の役割を考慮していない。 本研究では,意図分類タスクにおける文脈情報の役割について検討する。 各アプローチは、対話履歴と現在の発話との結合を実行するために使用される。 提案手法は,BERTから効率的なベクトル表現を得る畳み込みニューラルネットワークを用いて,アプローチウィンドウを用いた正確な意図分類を行う。 我々の実験は、Wavyグローバル企業のダイアログフローを備えた実世界のブラジルポルトガル語コーパスで実施された。 本研究は,ユーザの発話と,過去のメッセージからのシステム応答を対話コンテキストとして用いた3つのアプローチにおいて,ベースライン,孤立発話(文脈なしで)を大幅に改善した。

関連論文リスト

• Parameter-Efficient Conversational Recommender System as a Language Processing Task [52.47087212618396]
  会話レコメンデータシステム(CRS)は,自然言語会話を通じてユーザの嗜好を喚起することで,ユーザに対して関連項目を推薦することを目的としている。 先行作業では、アイテムのセマンティック情報、対話生成のための言語モデル、関連する項目のランク付けのためのレコメンデーションモジュールとして、外部知識グラフを利用することが多い。 本稿では、自然言語の項目を表現し、CRSを自然言語処理タスクとして定式化する。
  論文  参考訳（メタデータ） (2024-01-25T14:07:34Z)
• 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)
• SPACE-2: Tree-Structured Semi-Supervised Contrastive Pre-training for Task-Oriented Dialog Understanding [68.94808536012371]
  本稿では,限定ラベル付きダイアログと大規模未ラベルダイアログコーパスから対話表現を学習する,木構造付き事前学習会話モデルを提案する。 提案手法は,7つのデータセットと4つの一般的な対話理解タスクからなるDialoGLUEベンチマークにおいて,最新の結果が得られる。
  論文  参考訳（メタデータ） (2022-09-14T13:42:50Z)
• Enhanced Knowledge Selection for Grounded Dialogues via Document Semantic Graphs [123.50636090341236]
  本稿では,背景知識文書を自動的に文書意味グラフに変換することを提案する。 文書意味グラフは文ノードを用いて文レベル情報を保存し,文間の概念接続を提供する。 本実験により,HolEにおける知識選択タスクとエンドツーエンド応答生成タスクの双方において,意味グラフに基づく知識選択が文選択ベースラインよりも改善されることが示されている。
  論文  参考訳（メタデータ） (2022-06-15T04:51:32Z)
• Precognition in Task-oriented Dialogue Understanding: Posterior Regularization by Future Context [8.59600111891194]
  本稿では,後続正則化手法を用いて,歴史的・将来の情報を共同でモデル化することを提案する。 これらの間のKL距離を最適化し、トレーニング中にモデルを正規化します。 2つの対話データセットの実験により,提案手法の有効性が検証された。
  論文  参考訳（メタデータ） (2022-03-07T09:58:50Z)
• Proactive Retrieval-based Chatbots based on Relevant Knowledge and Goals [28.530853447203434]
  プロアクティブ対話システムは、会話を積極的にリードする能力を有する。 対話におけるスムーズで自然な遷移を可能にするためには、背景知識が不可欠である。 本稿では,検索に基づく知識ベースプロアクティブ対話のためのマルチタスク学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-18T00:27:31Z)
• A Streaming End-to-End Framework For Spoken Language Understanding [11.58499117295424]
  オンラインおよびインクリメンタルな方法で複数の意図を処理できるストリーミング・エンド・ツー・エンドのフレームワークを提案する。 提案手法はFluent Speech Commandsデータセット上で評価し,意図検出精度は全マルチインテント設定で約97%である。
  論文  参考訳（メタデータ） (2021-05-20T21:37:05Z)
• Retrieval-Free Knowledge-Grounded Dialogue Response Generation with Adapters [52.725200145600624]
  軽量アダプタで事前学習した言語モデルに事前知識を注入し、検索プロセスをバイパスする KnowExpert を提案する。 実験結果から,KnowExpertは検索ベースラインと相容れない性能を示した。
  論文  参考訳（メタデータ） (2021-05-13T12:33:23Z)
• Leveraging Acoustic and Linguistic Embeddings from Pretrained speech and language Models for Intent Classification [81.80311855996584]
  本研究では,前訓練された音声認識システムから抽出した音響特性と,前訓練された言語モデルから学習した言語特性を用いた新しい意図分類フレームワークを提案する。 ATIS と Fluent 音声コーパスの精度は 90.86% と 99.07% である。
  論文  参考訳（メタデータ） (2021-02-15T07:20:06Z)
• Dialog Simulation with Realistic Variations for Training Goal-Oriented Conversational Systems [14.206866126142002]
  ゴール指向のダイアログシステムにより、ユーザーは映画に関する情報をリクエストしたり、チケットを予約したりといった特定の目標を達成することができる。 本稿では,注釈付きダイアログとダイアログスキーマから,注釈付きダイアログの大規模なコーパスを自動生成する手法を提案する。 ベースラインダイアログ生成手法と比較して,ホールドアウトテストセットの50%の相対精度を実現した。
  論文  参考訳（メタデータ） (2020-11-16T19:39:15Z)
• Local Contextual Attention with Hierarchical Structure for Dialogue Act Recognition [14.81680798372891]
  我々は,自己意図に基づく階層モデルを構築し,文内および文間情報をキャプチャする。 ダイアログの長さがパフォーマンスに影響することから,新たなダイアログセグメンテーション機構を導入する。
  論文  参考訳（メタデータ） (2020-03-12T22:26:11Z)

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。