論文の概要: Discourse Coherence and Response-Guided Context Rewriting for Multi-Party Dialogue Generation
- arxiv url: http://arxiv.org/abs/2604.06784v1
- Date: Wed, 08 Apr 2026 07:52:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.410279
- Title: Discourse Coherence and Response-Guided Context Rewriting for Multi-Party Dialogue Generation
- Title（参考訳）: 多人数対話生成のための談話コヒーレンスと応答誘導文脈書き換え
- Authors: Zhiyu Cao, Peifeng Li, Qiaoming Zhu,
- Abstract要約: マルチパーティ対話生成を改善するための新しいフレームワークDRCR(Discourse Coherence and Response-guided Context Rewriting)を提案する。
DRCRは2つの相補的なフィードバック信号、談話コヒーレンスと応答品質を用いて、コンテキスト書き換えと応答生成の両方のための好みデータを構成する。
DRCRの有効性を裏付ける4つの多人数対話データセットに関する総合実験を行った。
- 参考スコア（独自算出の注目度）: 25.48484246820614
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Previous research on multi-party dialogue generation has predominantly leveraged structural information inherent in dialogues to directly inform the generation process. However, the prevalence of colloquial expressions and incomplete utterances in dialogues often impedes comprehension and weakens the fidelity of dialogue structure representations, which is particularly pronounced in multi-party dialogues. In this work, we propose a novel framework DRCR (Discourse coherence and Response-guided Context Rewriting) to improve multi-party dialogue generation through dialogue context rewriting. Specifically, DRCR employs two complementary feedback signals, discourse coherence and response quality, to construct preference data for both context rewriting and response generation. Moreover, we propose a dynamic self-evolution learning method that allows the rewriter and responder to continuously enhance their capabilities through mutual interaction in an iterative training loop. Comprehensive experiments conducted on four multi-party dialogue datasets substantiate the effectiveness of DRCR.
- Abstract（参考訳）: 従来の多人数対話生成研究は、対話に固有の構造情報を主に活用して生成プロセスを直接的に通知してきた。
しかし、対話における口語表現や不完全発話の頻度は、多人数対話において特に発音される対話構造表現の忠実さを阻害し、弱めてしまうことが多い。
本研究では,対話コンテキスト書き換えによる多人数対話生成を改善するための新しいフレームワークDRCR(Discourse Coherence and Response-guided Context Rewriting)を提案する。
具体的には、DRCRは2つの相補的なフィードバック信号、談話コヒーレンスと応答品質を用いて、文脈書き換えと応答生成の両方のための嗜好データを構成する。
さらに,リライタとレスポンサが反復学習ループにおける相互相互作用を通じて,その能力を継続的に向上させることができる動的自己進化学習手法を提案する。
DRCRの有効性を裏付ける4つの多人数対話データセットに関する総合実験を行った。
関連論文リスト
- Advancing Multi-Party Dialogue Framework with Speaker-ware Contrastive Learning [10.678477576849579]
コントラスト学習に基づく多人数対話応答生成フレームワークを提案する。
CMRは2段階の自己教師型コントラスト学習フレームワークを採用している。
実験の結果、CMRは最先端のモデルよりも優れているだけでなく、大きな事前訓練された言語モデルにも優れていることが示された。
論文 参考訳（メタデータ） (2025-01-20T06:28:22Z) - 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) - 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) - STRUDEL: Structured Dialogue Summarization for Dialogue Comprehension [42.57581945778631]
抽象的な対話要約は、自然言語処理における重要なスタンドアロンタスクとみなされてきた。
本稿では,新たな対話要約タスクであるSTRUctured DiaLoguE Summarizationを提案する。
変換器エンコーダ言語モデルの対話理解性能を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2022-12-24T04:39:54Z) - Back to the Future: Bidirectional Information Decoupling Network for
Multi-turn Dialogue Modeling [80.51094098799736]
ユニバーサル対話エンコーダとして双方向情報デカップリングネットワーク(BiDeN)を提案する。
BiDeNは過去と将来の両方のコンテキストを明示的に取り入れており、幅広い対話関連のタスクに一般化することができる。
異なる下流タスクのデータセットに対する実験結果は、我々のBiDeNの普遍性と有効性を示している。
論文 参考訳（メタデータ） (2022-04-18T03:51:46Z) - Structural Modeling for Dialogue Disentanglement [43.352833140317486]
マルチパーティ対話コンテキスト マルチパーティ対話コンテキストは、対話読解の課題に繋がる。
本研究は,対話構造の特徴を考慮に入れて,複数パーティ履歴をスレッドにアンタングルする新しいモデルを設計する。
論文 参考訳（メタデータ） (2021-10-15T11:28:43Z) - A Speaker-aware Parallel Hierarchical Attentive Encoder-Decoder Model
for Multi-turn Dialogue Generation [13.820298189734686]
本稿では,マルチターン会話における話者の区別を強調するオープンドメイン対話生成モデルを提案する。
実験の結果,PHAEDは自動評価と人的評価の両面で最先端の成績を示した。
論文 参考訳（メタデータ） (2021-10-13T16:08:29Z) - Controlling Dialogue Generation with Semantic Exemplars [55.460082747572734]
本稿では,経験的応答に現れる意味的フレームを用いて生成をガイドする,経験的対話生成モデルEDGEを提案する。
単語自体の単語ではなく、経験者の意味的フレームに基づく対話生成の制御により、生成した応答の一貫性が向上することを示す。
論文 参考訳（メタデータ） (2020-08-20T17:02:37Z) - 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。