論文の概要: "Dialogue" vs "Dialog" in NLP and AI research: Statistics from a Confused Discourse

• arxiv url: http://arxiv.org/abs/2501.00598v1
• Date: Tue, 31 Dec 2024 18:56:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 17:14:53.995937
• Title: "Dialogue" vs "Dialog" in NLP and AI research: Statistics from a Confused Discourse
• Title（参考訳）: NLPとAI研究における「ダイアログ」対「ダイアログ」:混乱談話からの統計
• Authors: David Gros,
• Abstract要約: 我々は何千もの研究論文を分析して、この「ダイアログ・デバクル」を理解する タイトルまたは抽象語で"dialog(ue)"を使用するトップ会場の出版物のうち、72%が"dialogue"を使用し、24%が"dialog"を使用し、5%が同じタイトルと抽象語の両方を使用している。
• 参考スコア（独自算出の注目度）: 3.152498897788425
• License:
• Abstract: Within computing research, there are two spellings for an increasingly important term - dialogue and dialog. We analyze thousands of research papers to understand this "dialog(ue) debacle". Among publications in top venues that use "dialog(ue)" in the title or abstract, 72% use "dialogue", 24% use "dialog", and 5% use both in the same title and abstract. This split distribution is more common in Computing than any other academic discipline. We investigate trends over ~20 years of NLP/AI research, not finding clear evidence of a shift over time. Author nationality is weakly correlated with spelling choice, but far from explains the mixed use. Many prolific authors publish papers with both spellings. We use several methods (such as syntactic parses and LM embeddings) to study how dialog(ue) context influences spelling, finding limited influence. Combining these results together, we discuss different theories that might explain the dialog(ue) divergence.
• Abstract（参考訳）: コンピューティング研究には、対話と対話という、ますます重要な用語の2つの綴りがある。 何千もの研究論文を分析し、この「ダイアログ・デバクル」を理解する。 タイトルまたは抽象語で"dialog(ue)"を使用するトップ会場の出版物のうち、72%が"dialogue"を使用し、24%が"dialog"を使用し、5%が同じタイトルと抽象語の両方を使用している。 この分割分布は、コンピューティングにおいて他の学術分野よりも一般的である。 我々は,NLP/AI研究の約20年間の傾向を調査し,経年変化の明確な証拠は見つからなかった。 著者の国籍は綴りの選択と弱い相関があるが、混成使用の説明には程遠い。 多くの著作家が両方の綴りで論文を出版している。 我々は,構文解析やLM埋め込みなどいくつかの手法を用いて,ダイアログ(e)コンテキストがスペルにどのように影響し,限られた影響を見出すかを研究する。 これらの結果を組み合わせることで、ダイアログの発散を説明する様々な理論について議論する。

関連論文リスト

• Interpreting Answers to Yes-No Questions in Dialogues from Multiple Domains [13.057934487969522]
  多くの場合、イエス、ノー、または同様の極性キーワードを明示せずにイエスノー質問に答える。 我々は,映画脚本,テニスインタビュー,航空顧客サービスという3つの領域に新たなベンチマークを提示する。
  論文  参考訳（メタデータ） (2024-04-25T00:13:00Z)
• What's Mine becomes Yours: Defining, Annotating and Detecting Context-Dependent Paraphrases in News Interview Dialogs [2.820441023554258]
  我々は,NPR と CNN のニュースインタビューから,文脈依存のパラフレーズに注釈を付けた発話ペアを用いたデータセットを提案する。 In-context Learningとトークン分類モデルを用いた対話における自動パラフレーズ検出の有望な結果を示す。
  論文  参考訳（メタデータ） (2024-04-10T01:14:12Z)
• KPT: Keyword-guided Pre-training for Grounded Dialog Generation [82.68787152707455]
  KPT(Guided Pre-Training)は,グラウンドドダイアログ生成のための自己教師付き事前学習手法である。 具体的には、事前訓練された言語モデルを用いて、ダイアログ内の最も不確実なトークンをキーワードとして抽出する。 我々は,対話行為,知識グラフ,ペルソナ記述,ウィキペディアの文節など,数発の知識ベース生成タスクについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-12-04T04:05:01Z)
• ArgSciChat: A Dataset for Argumentative Dialogues on Scientific Papers [61.772582143035606]
  学術論文のドメインエキスパートとして科学者間の対話を収集する新しい枠組みを導入する。 我々のフレームワークは、科学者が論文を対話の根拠として提示し、論文のタイトルを気に入った対話に参加することを可能にする。 我々は、新しい議論的対話データセットArgSciChatの収集にフレームワークを使用し、41の対話から収集された498のメッセージを20の科学論文にまとめる。
  論文  参考訳（メタデータ） (2022-02-14T13:27:19Z)
• Conversational Recommendation: Theoretical Model and Complexity Analysis [6.084774669743511]
  理論的にドメインに依存しない会話推薦モデルを提案する。 効率的な会話戦略の発見はNPハードであることが示される。 また,カタログの特徴が個々の対話戦略の効率性に強く影響を与えることを示す。
  論文  参考訳（メタデータ） (2021-11-10T09:05:52Z)
• Explaining Outcomes of Multi-Party Dialogues using Causal Learning [6.212955085775758]
  マルチパーティの対話は、技術や非技術トピックに関する企業ソーシャルメディアで一般的である。 対立分析の観点から、なぜ対話が特定の感情で終わるのかを分析することが重要である。 解析のための説明可能な時系列マイニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-03T15:18:53Z)
• Conversational Semantic Role Labeling [55.73065201984987]
  本稿では,対話参加者,対話履歴中のフレーズ,あるいは現在の文を議論できる対話型srlタスクを提案する。 既存のSRLデータセットは文レベルにあるため、3,000のChit-chatダイアログのセマンティックロールを手動でアノテートします。 対話応答生成と対話コンテキスト書き換えという2つの主要な会話課題にCSRLを適用した最初の研究は、CSRLの有用性を裏付けるものである。
  論文  参考訳（メタデータ） (2021-04-11T07:45:04Z)
• 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)
• MuTual: A Dataset for Multi-Turn Dialogue Reasoning [53.10434937685962]
  MuTualはMulti-Turnダイアログ推論のための新しいデータセットである。 中国語の学生英語の聞き取り試験に基づく8,860の注釈付き対話で構成されている。 現状の手法は71%にしか達せず、人間のパフォーマンスは94%をはるかに上回っている。
  論文  参考訳（メタデータ） (2020-04-09T11:42:33Z)

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。