論文の概要: Learning to Detect Relevant Contexts and Knowledge for Response Selection in Retrieval-based Dialogue Systems

• arxiv url: http://arxiv.org/abs/2509.22845v1
• Date: Fri, 26 Sep 2025 18:53:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:18.90681
• Title: Learning to Detect Relevant Contexts and Knowledge for Response Selection in Retrieval-based Dialogue Systems
• Title（参考訳）: 検索型対話システムにおける応答選択のための関連文脈と知識の学習
• Authors: Kai Hua, Zhiyuan Feng, Chongyang Tao, Rui Yan, Lu Zhang,
• Abstract要約: 我々はtextbfContext と textbfKnowledge コレクションの関連部分を textbfDetect で検出できる multi-turn textbfResponse textbfSelection textbfModel を提案する。 我々のモデルは、まず、単語レベルと発話レベルのセマンティクスにおいて、コンテキストと知識コレクションの関連部分を事前に選択するために、最近のコンテキストをクエリとして使用する。
• 参考スコア（独自算出の注目度）: 32.895603852919194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, knowledge-grounded conversations in the open domain gain great attention from researchers. Existing works on retrieval-based dialogue systems have paid tremendous efforts to utilize neural networks to build a matching model, where all of the context and knowledge contents are used to match the response candidate with various representation methods. Actually, different parts of the context and knowledge are differentially important for recognizing the proper response candidate, as many utterances are useless due to the topic shift. Those excessive useless information in the context and knowledge can influence the matching process and leads to inferior performance. To address this problem, we propose a multi-turn \textbf{R}esponse \textbf{S}election \textbf{M}odel that can \textbf{D}etect the relevant parts of the \textbf{C}ontext and \textbf{K}nowledge collection (\textbf{RSM-DCK}). Our model first uses the recent context as a query to pre-select relevant parts of the context and knowledge collection at the word-level and utterance-level semantics. Further, the response candidate interacts with the selected context and knowledge collection respectively. In the end, The fused representation of the context and response candidate is utilized to post-select the relevant parts of the knowledge collection more confidently for matching. We test our proposed model on two benchmark datasets. Evaluation results indicate that our model achieves better performance than the existing methods, and can effectively detect the relevant context and knowledge for response selection.
• Abstract（参考訳）: 近年,オープンドメインにおける知識に基づく会話が研究者から大きな注目を集めている。 検索に基づく対話システムに関する既存の研究は、ニューラルネットワークを使ってマッチングモデルを構築するために多大な努力を払ってきた。 実際、文脈と知識の異なる部分は、トピックシフトのために多くの発話が役に立たないため、適切な応答候補を認識するために微分的に重要である。 コンテキストや知識の過度な無駄な情報は、マッチングプロセスに影響し、パフォーマンスが低下する可能性がある。 この問題に対処するために、多ターン \textbf{R}esponse \textbf{S}election \textbf{M}odel を提案し、これは \textbf{D}ontext と \textbf{K}nowledge collection (\textbf{RSM-DCK}) の関連部分を編集できる。 我々のモデルは、まず、単語レベルと発話レベルのセマンティクスにおいて、コンテキストと知識コレクションの関連部分を事前に選択するために、最近のコンテキストをクエリとして使用する。 さらに、応答候補は、選択されたコンテキストと知識収集とをそれぞれ相互作用する。 最後に、コンテキストと応答候補の融合表現を利用して、知識コレクションの関連部分をより確実に選択し、マッチングする。 提案したモデルを2つのベンチマークデータセットで検証する。 評価結果は,本モデルが既存手法よりも優れた性能を達成し,応答選択に関するコンテキストや知識を効果的に検出できることを示唆している。

関連論文リスト

• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• Enhanced Knowledge Selection for Grounded Dialogues via Document Semantic Graphs [123.50636090341236]
  本稿では,背景知識文書を自動的に文書意味グラフに変換することを提案する。 文書意味グラフは文ノードを用いて文レベル情報を保存し,文間の概念接続を提供する。 本実験により,HolEにおける知識選択タスクとエンドツーエンド応答生成タスクの双方において,意味グラフに基づく知識選択が文選択ベースラインよりも改善されることが示されている。
  論文  参考訳（メタデータ） (2022-06-15T04:51:32Z)
• Question rewriting? Assessing its importance for conversational question answering [0.6449761153631166]
  本研究では,SCAI(Search-Oriented Conversational AI)共有タスクに特化して設計された対話型質問応答システムを提案する。 特に,質問書き直しモジュールの異なるバリエーションを検討した。 我々のシステムは共有タスクにおいて最高の性能を達成し、システム全体の性能に対する会話コンテキスト表現の重要性を強調した。
  論文  参考訳（メタデータ） (2022-01-22T23:31:25Z)
• 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)
• Multi-turn Dialogue Reading Comprehension with Pivot Turns and Knowledge [43.352833140317486]
  マルチターン対話読解は、機械に対話コンテキストを読み、応答選択や回答質問といったタスクを解くことを目的としている。 この研究は、ピボット発話として重要なターンを抽出することで、上記の2つの課題に対処する最初の試みである。 本稿では,対話理解のためのトランスフォーマーに基づく言語モデル上に,ピボット指向の深層選択モデル(PoDS)を提案する。
  論文  参考訳（メタデータ） (2021-02-10T15:00:12Z)
• Reasoning in Dialog: Improving Response Generation by Context Reading Comprehension [49.92173751203827]
  マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。 読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
  論文  参考訳（メタデータ） (2020-12-14T10:58:01Z)
• Learning an Effective Context-Response Matching Model with Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
  我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。 我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。 実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-09-14T08:44:46Z)
• Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
  MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。 本研究は,複数回対話を行う対話型MRCに焦点を当てている。 それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
  論文  参考訳（メタデータ） (2020-04-29T07:04:43Z)

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。