Fugu-MT 論文翻訳(概要): "Wait, did you mean the doctor?": Collecting a Dialogue Corpus for Topical Analysis

論文の概要: "Wait, did you mean the doctor?": Collecting a Dialogue Corpus for Topical Analysis

arxiv url: http://arxiv.org/abs/2501.07947v1
Date: Tue, 14 Jan 2025 09:00:45 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-15 13:25:36.304594
Title: "Wait, did you mean the doctor?": Collecting a Dialogue Corpus for Topical Analysis
Title（参考訳）: 「はい、医者のことですか?」―対話コーパスによる話題分析―
Authors: Amandine Decker, Vincent Tourneur, Maxime Amblard, Ellen Breitholtz,
Abstract要約: 本稿では,話題分析に適したコーパスの構築を目的とした対話収集実験について述べる。私たちは開発したメッセージングツールでコレクションを実行します。
参考スコア（独自算出の注目度）: 0.05825410941577593
License:
Abstract: Dialogue is at the core of human behaviour and being able to identify the topic at hand is crucial to take part in conversation. Yet, there are few accounts of the topical organisation in casual dialogue and of how people recognise the current topic in the literature. Moreover, analysing topics in dialogue requires conversations long enough to contain several topics and types of topic shifts. Such data is complicated to collect and annotate. In this paper we present a dialogue collection experiment which aims to build a corpus suitable for topical analysis. We will carry out the collection with a messaging tool we developed.
Abstract（参考訳）: 対話は人間の行動の中核であり、手元にあるトピックを識別できることは、会話に参加する上で不可欠である。しかし、カジュアルな対話におけるこの話題の組織についての記述や、文学における現在の話題の認識についての記述は少ない。さらに、対話におけるトピックの分析には、いくつかのトピックやトピックシフトのタイプを含むのに十分な長さの会話が必要である。このようなデータは収集と注釈が複雑です。本稿では,話題分析に適したコーパス構築を目的とした対話収集実験について述べる。私たちは開発したメッセージングツールでコレクションを実行します。

関連論文リスト

With a Little Help from my (Linguistic) Friends: Topic Segmentation of Multi-party Casual Conversations [0.565395466029518]
本稿では,最近の機械学習に基づくトピックセグメンテーションモデルと同等の精度を達成しようとする。このタスクで意味のあるものとして認識する機能は、会話の話題構造をよりよく理解するのに役立ちます。
論文参考訳（メタデータ） (2024-02-05T09:48:07Z)
Conversation Chronicles: Towards Diverse Temporal and Relational Dynamics in Multi-Session Conversations [9.249662593315541]
我々は,長期会話設定を実装するために,新たに100万件の多セッション対話データセットであるConversation Chroniclesを導入する。会話年代記の対話エピソードは、一貫性と一貫した相互作用を維持しながら、それらの特性を反映していることを示す。また、時系列要約と対話生成モジュールで構成されるReBotと呼ばれる対話モデルを提案する。
論文参考訳（メタデータ） (2023-10-20T11:06:21Z)
Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
論文参考訳（メタデータ） (2023-09-18T11:03:55Z)
Multi-Granularity Prompts for Topic Shift Detection in Dialogue [13.739991183173494]
対話トピックシフト検出の目標は、会話中の現在のトピックが変更されたか、変更する必要があるかを特定することである。従来の研究は、事前訓練されたモデルを用いて発話を符号化するトピックシフトの検出に重点を置いていた。我々は,複数粒度での対話,すなわちラベル,ターン,トピックから話題情報を抽出するために,プロンプトベースのアプローチを採用する。
論文参考訳（メタデータ） (2023-05-23T12:35:49Z)
A Benchmark for Understanding and Generating Dialogue between Characters in Stories [75.29466820496913]
本研究は,機械が物語の対話を理解・生成できるかどうかを探求する最初の研究である。マスク付き対話生成と対話話者認識という2つの新しいタスクを提案する。 DialStoryの自動評価と手動評価で既存のモデルをテストすることで,提案課題の難しさを示す。
論文参考訳（メタデータ） (2022-09-18T10:19:04Z)
"How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken Conversations [87.95711406978157]
本研究は、音声タスク指向会話における新しいベンチマークを示す。マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
論文参考訳（メタデータ） (2021-09-28T04:51:04Z)
DialogLM: Pre-trained Model for Long Dialogue Understanding and Summarization [19.918194137007653]
本稿では,長い対話理解と要約のための事前学習フレームワークを提案する。長い会話の性質を考慮し、生成前学習のためのウィンドウベースの認知的アプローチを提案する。我々は,対話要約,抽象的質問応答,トピックセグメンテーションのタスクをカバーする,長文対話の5つのデータセットについて広範な実験を行った。
論文参考訳（メタデータ） (2021-09-06T13:55:03Z)
Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
対話モデリングの観点から,従来の手法を検討した。対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
論文参考訳（メタデータ） (2021-03-04T15:50:17Z)
Topic-Oriented Spoken Dialogue Summarization for Customer Service with Saliency-Aware Topic Modeling [61.67321200994117]
顧客サービスシステムでは、長い音声対話のための要約を作成することにより、対話要約はサービス効率を高めることができる。本研究では,高度に抽象的な要約を生成するトピック指向の対話要約に注目した。 SATM(Saliency-Awareural topic Model)と併用し,顧客サービス対話のトピック指向要約を目的とした,新しいトピック拡張型2段階対話要約器(TDS)を提案する。
論文参考訳（メタデータ） (2020-12-14T07:50:25Z)
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)

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。