Fugu-MT 論文翻訳(概要): Dialogue Response Prefetching Based on Semantic Similarity and Prediction Confidence of Language Model

論文の概要: Dialogue Response Prefetching Based on Semantic Similarity and Prediction Confidence of Language Model

arxiv url: http://arxiv.org/abs/2508.04403v1
Date: Wed, 06 Aug 2025 12:45:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-07 20:09:22.720438
Title: Dialogue Response Prefetching Based on Semantic Similarity and Prediction Confidence of Language Model
Title（参考訳）: 意味的類似性と言語モデルの予測信頼度に基づく対話応答予測
Authors: Kiyotada Mori, Seiya Kawano, Angel Fernando Garcia Contreras, Koichiro Yoshino,
Abstract要約: ユーザの発話が終わる前に、通常、言語モデルによって完全な発話を予測し、事前の対話応答を作成する必要がある。本稿では,予測信頼度モデル(PCM)を提案する。
参考スコア（独自算出の注目度）: 2.8521211969963898
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Prefetching of dialogue responses has been investigated to reduce user-perceived latency (UPL), which refers to the user's waiting time before receiving the system's response, in spoken dialogue systems. To reduce the UPL, it is necessary to predict complete user utterances before the end of the user's speech, typically by language models, to prepare prefetched dialogue responses. In this study, we proposed a prediction confidence model (PCM) that determines whether prefetching is possible or not by estimating the semantic similarity between the predicted complete user utterance and the complete user utterance. We evaluated our PCM based on the differences between the predicted complete user utterance and the complete user utterance.
Abstract（参考訳）: 音声対話システムにおいて,対話応答のPrefetching(Prefetching)は,ユーザの待ち時間(UPL)を短縮するために研究されている。 UPLを小さくするためには、ユーザのスピーチの終了前に、通常言語モデルによって、完全なユーザ発話を予測し、事前の対話応答を作成する必要がある。本研究では,予測された全ユーザ発話と全ユーザ発話とのセマンティックな類似性を推定することにより,プレフェッチが可能か否かを判断する予測信頼モデルを提案する。予測された全ユーザ発話と全ユーザ発話の差に基づいてPCMを評価した。

関連論文リスト

Predictive Speech Recognition and End-of-Utterance Detection Towards Spoken Dialog Systems [55.99999020778169]
本稿では,次の単語を予測し,発話終了まで残される時間を推定する機能について検討する。我々は,音響情報と言語情報の両方を組み込んだクロスアテンションに基づくアルゴリズムを開発した。その結果,提案モデルでは,提案する単語を予測し,将来のEOUイベントを実際のEOUより300ミリ秒前まで推定する能力を示した。
論文参考訳（メタデータ） (2024-09-30T06:29:58Z)
CAUSE: Counterfactual Assessment of User Satisfaction Estimation in Task-Oriented Dialogue Systems [60.27663010453209]
我々は,大規模言語モデル(LLM)を利用して,満足度を考慮した対実対話を生成する。生成されたサンプルの信頼性を確保するために、人間のアノテーションを収集します。この結果から,TODシステムにおけるユーザ満足度推定のためのデータ拡張手法の必要性が明らかになった。
論文参考訳（メタデータ） (2024-03-27T23:45:31Z)
Personalized Predictive ASR for Latency Reduction in Voice Assistants [29.237198363254752]
本稿では,部分的に観測された発話から全発話を予測し,予測された発話に基づいて応答をプリフェッチする予測自動音声認識を提案する。内部音声アシスタントデータセットと公共SLURPデータセットを用いて,本手法の評価を行った。
論文参考訳（メタデータ） (2023-05-23T08:05:43Z)
EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
多人数対話では、応答発話の宛先を生成前に指定する必要がある。本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
論文参考訳（メタデータ） (2023-05-21T09:22:41Z)
Proactive Detractor Detection Framework Based on Message-Wise Sentiment Analysis Over Customer Support Interactions [60.87845704495664]
本稿では、チャットベースのカスタマーサポートのインタラクションにのみ依存して、個々のユーザの推薦決定を予測するフレームワークを提案する。ケーススタディでは、ラテンアメリカの大手電子商取引会社の金融分野における16.4kのユーザ数と48.7kの顧客サポートに関する会話を分析した。以上の結果から,CS会話のメッセージワイドな感情進化のみに基づいて,ユーザが製品やサービスを推薦する可能性を予測することが可能であることが示唆された。
論文参考訳（メタデータ） (2022-11-08T00:43:36Z)
Turn-Taking Prediction for Natural Conversational Speech [40.189938418201656]
一般的な会話的発話は、ターンテイクを伴う複数のクエリを含むことが多い。障害としては、思考の一時停止、ためらうこと、単語の延長、ポーズの充満、繰り返し句などがある。本稿では,エンド・ツー・エンド(E2E)音声認識器上に構築されたターンテイク予測器を提案する。
論文参考訳（メタデータ） (2022-08-29T01:09:23Z)
User Response and Sentiment Prediction for Automatic Dialogue Evaluation [69.11124655437902]
本稿では,次のユーザ発話の感情をターンレベル評価やダイアログレベル評価に利用することを提案する。実験により,本モデルによる音声対話データセットと音声対話データセットの両方において,既存の自動評価指標よりも優れた結果が得られた。
論文参考訳（メタデータ） (2021-11-16T22:19:17Z)
Improved Goal Oriented Dialogue via Utterance Generation and Look Ahead [5.062869359266078]
ディープテキスト・トゥ・テキスト・ニューラルモデルをトレーニングし、ラベルなし対話データから連続したユーザ発話を生成することにより、インテント予測を改善することができる。本稿では,ユーザの発話生成を用いて意図予測を時間内に改善する新しいルックアヘッド手法を提案する。
論文参考訳（メタデータ） (2021-10-24T11:12:48Z)
Predict-then-Decide: A Predictive Approach for Wait or Answer Task in Dialogue Systems [24.560203199376478]
本稿では,このウェイト・オア・アンサー問題に対処するための予測手法であるPredict-then-Decide (PTD)を提案する。 2つの実生活シナリオと3つの公開データセットで実験を行う。
論文参考訳（メタデータ） (2020-05-27T01:48:54Z)
A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
論文参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。