論文の概要: Transition-Matrix Regularization for Next Dialogue Act Prediction in Counselling Conversations
- arxiv url: http://arxiv.org/abs/2604.18539v1
- Date: Mon, 20 Apr 2026 17:33:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:53.019494
- Title: Transition-Matrix Regularization for Next Dialogue Act Prediction in Counselling Conversations
- Title（参考訳）: 連載会話における次の対話行為予測のための遷移行列規則化
- Authors: Eric Rudolph, Philipp Steigerwald, Jens Albrecht,
- Abstract要約: 本稿では,Next Dialogue Act Prediction(NDAP)に経験的対話フロー統計を組み込む方法について検討する。
KL正規化項は、予測された行動分布とコーパス由来の遷移パターンを整合させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies how empirical dialogue-flow statistics can be incorporated into Next Dialogue Act Prediction (NDAP). A KL regularization term is proposed that aligns predicted act distributions with corpus-derived transition patterns. Evaluated on a 60-class German counselling taxonomy using 5-fold cross-validation, this improves macro-F1 by 9--42% relative depending on encoder and substantially improves dialogue-flow alignment. Cross-dataset validation on HOPE suggests that improvements transfer across languages and counselling domains. In systematic ablations across pretrained encoders and architectures, the findings indicate that transition regularization provides consistent gains and disproportionately benefits weaker baseline models. The results suggest that lightweight discourse-flow priors complement pretrained encoders, especially in fine-grained, data-sparse dialogue tasks.
- Abstract（参考訳）: 本稿では,Next Dialogue Act Prediction(NDAP)に経験的対話フロー統計を組み込む方法について検討する。
KL正規化項は、予測された行動分布とコーパス由来の遷移パターンを整合させる。
5倍のクロスバリデーションを用いて60クラスのドイツのカウンセリング分類を評価したところ、エンコーダによりマクロF1を9～42%改善し、対話フローアライメントを大幅に改善した。
HOPE上のデータセット間の検証は、言語とカウンセリングドメイン間で改善が伝達されることを示唆している。
事前訓練されたエンコーダとアーキテクチャ間の体系的な改善では、遷移正則化が一貫した利得を提供し、不均等にベースラインモデルの弱さを享受することを示している。
その結果,特に細粒度・データスパース対話タスクにおいて,軽量な談話フローが事前学習エンコーダを補完することが示唆された。
関連論文リスト
- Interactive ASR: Towards Human-Like Interaction and Semantic Coherence Evaluation for Agentic Speech Recognition [52.63676763985825]
トークンレベルの精度を超えた認識品質を評価するための意味認識評価指標を提案する。
我々は,人間のようなマルチターンインタラクションをシミュレートするエージェント・フレームワークを設計し,認識出力の反復的改善を可能にする。
対話型およびエージェント型ASRにおける今後の研究を促進するためのコードをリリースする。
論文 参考訳（メタデータ） (2026-04-10T09:02:42Z) - Pushing the Boundaries of Natural Reasoning: Interleaved Bonus from Formal-Logic Verification [49.506412445511934]
大きな言語モデル(LLM)は目覚ましい能力を示すが、その次は論理的不整合と報奨ハックを生み出す。
本稿では,自然言語生成プロセスと形式的記号的検証を動的にインターリーブする形式論理検証誘導フレームワークを提案する。
我々はこのフレームワークを,形式論理検証誘導制御による微調整とポリシー最適化の相乗効果を生かした,新しい2段階のトレーニングパイプラインを通じて運用する。
論文 参考訳（メタデータ） (2026-01-30T07:01:25Z) - Plan, Verify and Fill: A Structured Parallel Decoding Approach for Diffusion Language Models [26.195809569100774]
Plan-Verify-Fill(PVF)は、定量的検証を通じて計画を立てるトレーニングフリーのパラダイムである。
PVFは、高平均セマンティックアンカーを優先順位付けすることで、階層的な骨格を積極的に構築する。
信頼性ベースの並列デコーディングと比較して、NFE(Number of Evaluation Function)を最大65%削減する。
論文 参考訳（メタデータ） (2026-01-18T03:53:01Z) - Generalizable Engagement Estimation in Conversation via Domain Prompting and Parallel Attention [44.47779807499202]
本稿では, DAPA(Domain-Adaptive Parallel Attention)を提案する。
DAPAは、学習可能なドメイン固有ベクトルを入力に先延ばしすることで、Domain Promptingメカニズムを導入する。
インタラクションの同期をキャプチャするために、Parallel Cross-Attentionモジュールも組み込まれている。
論文 参考訳（メタデータ） (2025-08-20T06:10:03Z) - A Multi-Agent Probabilistic Inference Framework Inspired by Kairanban-Style CoT System with IdoBata Conversation for Debiasing [0.0]
日本のカイランバン文化やイドバタの会話は、長年にわたり伝統的なコミュニケーションの実践として機能してきた。
これらの情報交換プロセスにインスパイアされた本研究では,マルチエージェント推論フレームワーク(KCS+IBC)を提案する。
複数の大規模言語モデル(LLM)を統合し、バイアス軽減、説明可能性の向上、感情分析の確率予測を実現している。
論文 参考訳（メタデータ） (2025-06-12T07:31:20Z) - Improving Conversational Recommendation Systems via Counterfactual Data
Simulation [73.4526400381668]
会話推薦システム(CRS)は、自然言語による会話を通じてレコメンデーションサービスを提供することを目的としている。
既存のCRSアプローチは、トレーニングデータの不足により、トレーニングの不十分な問題に悩まされることが多い。
我々は,CRSにおけるデータ不足の問題を緩和するため,CFCRSと呼ばれるCRSに対するCounterFactualデータシミュレーション手法を提案する。
論文 参考訳（メタデータ） (2023-06-05T12:48:56Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z) - Augmenting BERT-style Models with Predictive Coding to Improve
Discourse-level Representations [20.855686009404703]
本稿では,予測符号化理論のアイデアを用いて,議論レベルの表現を学習するためのメカニズムによりBERTスタイルの言語モデルを拡張することを提案する。
提案手法は,ネットワークの中間層で動作する明示的なトップダウン接続を用いて,将来の文を予測できる。
論文 参考訳（メタデータ） (2021-09-10T00:45:28Z) - DialogBERT: Discourse-Aware Response Generation via Learning to Recover
and Rank Utterances [18.199473005335093]
本稿では,従来の PLM に基づく対話モデルを強化した対話応答生成モデルである DialogBERT を提案する。
発話間の談話レベルのコヒーレンスを効果的に把握するために,マスク付き発話回帰を含む2つの訓練目標を提案する。
3つのマルチターン会話データセットの実験により、我々のアプローチがベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2020-12-03T09:06:23Z) - Unsupervised Cross-lingual Adaptation for Sequence Tagging and Beyond [58.80417796087894]
多言語事前訓練言語モデル(mPTLM)による言語間適応は、主にゼロショットアプローチと翻訳に基づくアプローチの2行からなる。
本稿では、ゼロショットアプローチと翻訳に基づくアプローチを統合し、適応性能を向上させるための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-23T13:47:01Z)
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。