論文の概要: Conversation Kernels: A Flexible Mechanism to Learn Relevant Context for Online Conversation Understanding
- arxiv url: http://arxiv.org/abs/2505.20482v1
- Date: Mon, 26 May 2025 19:37:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-28 17:05:58.272229
- Title: Conversation Kernels: A Flexible Mechanism to Learn Relevant Context for Online Conversation Understanding
- Title（参考訳）: Conversation Kernels: オンライン会話理解のための関連するコンテキストを学習するためのフレキシブルなメカニズム
- Authors: Vibhor Agarwal, Arjoo Gupta, Suparna De, Nishanth Sastry,
- Abstract要約: 本稿では,会話におけるオンライン投稿に関する様々な側面について,適切な会話コンテキストを発見するための汎用的なメカニズムを提案する。
具体的には、会話カーネルの2つのファミリーを設計し、会話を表すツリー内のポストの近傍の異なる部分を探索する。
開発した手法をslashdot.orgからクロールした会話に適用することで,投稿に高度に異なるラベルを付けることができる。
- 参考スコア（独自算出の注目度）: 4.037171924763207
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Understanding online conversations has attracted research attention with the growth of social networks and online discussion forums. Content analysis of posts and replies in online conversations is difficult because each individual utterance is usually short and may implicitly refer to other posts within the same conversation. Thus, understanding individual posts requires capturing the conversational context and dependencies between different parts of a conversation tree and then encoding the context dependencies between posts and comments/replies into the language model. To this end, we propose a general-purpose mechanism to discover appropriate conversational context for various aspects about an online post in a conversation, such as whether it is informative, insightful, interesting or funny. Specifically, we design two families of Conversation Kernels, which explore different parts of the neighborhood of a post in the tree representing the conversation and through this, build relevant conversational context that is appropriate for each task being considered. We apply our developed method to conversations crawled from slashdot.org, which allows users to apply highly different labels to posts, such as 'insightful', 'funny', etc., and therefore provides an ideal experimental platform to study whether a framework such as Conversation Kernels is general-purpose and flexible enough to be adapted to disparately different conversation understanding tasks.
- Abstract（参考訳）: オンライン会話を理解することは、ソーシャルネットワークやオンラインディスカッションフォーラムの成長とともに研究の注目を集めている。
オンライン会話における投稿や返信の内容分析は、個々の発話は通常短く、同じ会話の中で他の投稿を暗黙的に参照するので困難である。
したがって、個々の投稿を理解するには、会話ツリーの異なる部分間の会話コンテキストと依存関係をキャプチャし、投稿とコメント/リプライの間のコンテキスト依存関係を言語モデルにエンコードする必要がある。
そこで本稿では,会話におけるオンライン投稿について,情報的,洞察的,興味深く,面白くといった様々な側面において,適切な会話コンテキストを発見するための汎用的なメカニズムを提案する。
具体的には,会話カーネルの2つのファミリーを設計し,会話を表現したツリー内の投稿の近傍の異なる部分を探索し,各タスクが考慮されるのに適した関連する会話コンテキストを構築する。
提案手法は,slashdot.orgからクロールした会話に応用し,ユーザが「目立たしい」,「面白い」などの投稿に,高度に異なるラベルを付けることができるようにし,会話カーネルなどのフレームワークが汎用的で,異なる会話理解タスクに適応できるかどうかを,理想的な実験プラットフォームを提供する。
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) - GASCOM: Graph-based Attentive Semantic Context Modeling for Online
Conversation Understanding [4.9711707739781215]
本稿では,オンライン会話理解のためのグラフベースの意味意味テキストモデリング(GASCOM)フレームワークを提案する。
具体的には、オンライン会話のグラフ構造と、個々の投稿のセマンティック情報の両方を利用する2つの新しいアルゴリズムを設計する。
提案手法は,両タスクの最先端手法を著しく上回っている。
論文 参考訳（メタデータ） (2023-10-21T14:45:26Z) - 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) - Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。
我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。
我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-06-06T19:17:47Z) - Knowledge-Grounded Conversational Data Augmentation with Generative
Conversational Networks [76.11480953550013]
生成会話ネットワークを用いて会話データを自動的に生成する。
我々は、Topical Chatデータセット上で、知識のない会話に対するアプローチを評価した。
論文 参考訳（メタデータ） (2022-07-22T22:37:14Z) - Continuity of Topic, Interaction, and Query: Learning to Quote in Online
Conversations [23.214585012203084]
本研究は,オンライン会話における引用の自動生成について研究する。
引用でコンテキストを継続するために、エンコーダ-デコーダニューラルフレームワークが使用される。
英語と中国語の2つの大規模データセットの実験結果。
論文 参考訳（メタデータ） (2021-06-18T03:38:48Z) - Who Responded to Whom: The Joint Effects of Latent Topics and Discourse
in Conversation Structure [53.77234444565652]
会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。
単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。
英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2021-04-17T17:46:00Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - Online Conversation Disentanglement with Pointer Networks [13.063606578730449]
本稿では,会話の絡み合わせのためのエンドツーエンドのオンラインフレームワークを提案する。
我々は、タイムスタンプ、話者、メッセージテキストを含む全発話を埋め込む新しい手法を設計する。
Ubuntu IRCデータセットを用いた実験により,提案手法はリンクと会話の予測タスクにおいて,最先端のパフォーマンスを実現することを示す。
論文 参考訳（メタデータ） (2020-10-21T15:43:07Z) - Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。
トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
論文 参考訳（メタデータ） (2020-09-26T08:43:06Z)
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。