論文の概要: Improving Dialogue Discourse Parsing through Discourse-aware Utterance Clarification

• arxiv url: http://arxiv.org/abs/2506.15081v1
• Date: Wed, 18 Jun 2025 02:47:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.530664
• Title: Improving Dialogue Discourse Parsing through Discourse-aware Utterance Clarification
• Title（参考訳）: 談話認識による対話談話のパーシングの改善
• Authors: Yaxin Fan, Peifeng Li, Qiaoming Zhu,
• Abstract要約: 本稿では,対話談話の性能を高めるための談話認識モジュール(DCM)を提案する。 DCMは、明確化型推論と談話目標推論の2つの異なる推論プロセスを採用している。 CPOは、DCMからの明確化の貢献を評価し、DCMを最適化するためのフィードバックを提供する。
• 参考スコア（独自算出の注目度）: 14.879100851573998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dialogue discourse parsing aims to identify and analyze discourse relations between the utterances within dialogues. However, linguistic features in dialogues, such as omission and idiom, frequently introduce ambiguities that obscure the intended discourse relations, posing significant challenges for parsers. To address this issue, we propose a Discourse-aware Clarification Module (DCM) to enhance the performance of the dialogue discourse parser. DCM employs two distinct reasoning processes: clarification type reasoning and discourse goal reasoning. The former analyzes linguistic features, while the latter distinguishes the intended relation from the ambiguous one. Furthermore, we introduce Contribution-aware Preference Optimization (CPO) to mitigate the risk of erroneous clarifications, thereby reducing cascading errors. CPO enables the parser to assess the contributions of the clarifications from DCM and provide feedback to optimize the DCM, enhancing its adaptability and alignment with the parser's requirements. Extensive experiments on the STAC and Molweni datasets demonstrate that our approach effectively resolves ambiguities and significantly outperforms the state-of-the-art (SOTA) baselines.
• Abstract（参考訳）: 対話談話解析は,対話中の発話間の会話関係を特定し,分析することを目的としている。 しかしながら、省略やイディオムのような対話における言語的特徴は、意図した言論関係を曖昧にする曖昧さをしばしば導入し、パーサーにとって重要な課題を提起する。 この問題に対処するために,対話談話パーサの性能を高めるためのDCM(Discourse-aware Clarification Module)を提案する。 DCMは、明確化型推論と談話目標推論の2つの異なる推論プロセスを採用している。 前者は言語的特徴を分析し、後者は意図した関係と曖昧な関係を区別する。 さらに、誤った明確化のリスクを軽減し、カスケードエラーを低減するために、コントリビューション対応の優先度最適化(CPO)を導入する。 CPOにより、パーサーは、DCMからの明確化の貢献を評価し、DCMを最適化するためのフィードバックを提供し、パーサーの要求に適合し、適応性を高めることができる。 STACとMolweniデータセットの大規模な実験により、我々のアプローチはあいまいさを効果的に解決し、最先端(SOTA)ベースラインを著しく上回ることを示した。

関連論文リスト

• Enhancing Dialogue Systems with Discourse-Level Understanding Using Deep Canonical Correlation Analysis [0.0]
  談話レベルの理解のために,Deep Canonical correlation Analysisを統合した新しいフレームワークを提案する。 このフレームワークは会話トークンを学習し、発話と周囲の文脈の関係を捉える。 Ubuntuダイアログコーパスの実験では、応答選択の大幅な向上が示されている。
  論文  参考訳（メタデータ） (2025-04-12T06:19:08Z)
• Evaluating Task-Oriented Dialogue Consistency through Constraint Satisfaction [1.4272411349249625]
  制約満足度問題(CSP)としての対話整合性の概念化を提案する。 我々は,LLMで再語彙化された対話における不整合を検出するために,CSPソルバを利用する。 我々は、CSPがコンポーネントパイプラインに基づくアプローチでは考慮されていない対話一貫性のコア特性を捉えていると論じる。
  論文  参考訳（メタデータ） (2024-07-16T15:38:41Z)
• Pre-training Multi-party Dialogue Models with Latent Discourse Inference [85.9683181507206]
  我々は、多人数対話の会話構造、すなわち、各発話が応答する相手を理解するモデルを事前訓練する。 ラベル付きデータを完全に活用するために,談話構造を潜在変数として扱い,それらを共同で推論し,談話認識モデルを事前学習することを提案する。
  論文  参考訳（メタデータ） (2023-05-24T14:06:27Z)
• Dialogue Inspectional Summarization with Factual Inconsistency Awareness [34.97845384948336]
  非事前学習・事前学習環境下での対話検査要約(DIS)の現実的矛盾問題について検討する。 2つの補助的なタスクを伴って、革新的なエンドツーエンドの対話要約生成フレームワークを提案する。 包括的実験により、提案モデルにより、現実的な側面を正確に網羅したより読みやすい要約が生成できることが示されている。
  論文  参考訳（メタデータ） (2021-11-05T06:26:22Z)
• Improving Multi-Party Dialogue Discourse Parsing via Domain Integration [25.805553277418813]
  マルチパーティ会話は、対話的なターン間のセマンティックレベルの相関によって暗黙的に組織される。 対話談話分析は,基本談話単位間の係り受け構造と関係の予測に応用できる。 対話談話アノテーションを持つ既存のコーパスは、限られたサンプルサイズを持つ特定のドメインから収集される。
  論文  参考訳（メタデータ） (2021-10-09T09:36:22Z)
• Structural Pre-training for Dialogue Comprehension [51.215629336320305]
  本稿では,SPIDER, Structure Pre-trained DialoguE Readerについて述べる。 対話のような特徴をシミュレートするために,元のLM目的に加えて,2つの訓練目標を提案する。 広く使われている対話ベンチマークの実験結果から,新たに導入した自己教師型タスクの有効性が検証された。
  論文  参考訳（メタデータ） (2021-05-23T15:16:54Z)
• I like fish, especially dolphins: Addressing Contradictions in Dialogue Modeling [104.09033240889106]
  DialoguE Contradiction Detection Task(DECODE)と、人間とロボットの矛盾した対話の両方を含む新しい会話データセットを紹介します。 次に、事前学習したトランスフォーマーモデルを用いて、定型的非構造的アプローチと矛盾検出を行う構造的発話に基づくアプローチを比較する。
  論文  参考訳（メタデータ） (2020-12-24T18:47:49Z)
• Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
  スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。 コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。 DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-17T21:02:40Z)
• 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)

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。