論文の概要: Pseudo-Siamese Network for Planning in Target-Oriented Proactive Dialogues

• arxiv url: http://arxiv.org/abs/2605.20195v1
• Date: Sat, 04 Apr 2026 08:24:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.959604
• Title: Pseudo-Siamese Network for Planning in Target-Oriented Proactive Dialogues
• Title（参考訳）: Pseudo-Siamese Network for Planning in Target-Oriented Proactive Dialogues
• Authors: Xinyue Kang, Maodong Li, Yibin Zheng, Fang Kong,
• Abstract要約: 本稿では,事前定義された対話対象に向けての対話経路計画のための,フォワード焦点双方向Pseudo-Siamese Network(FF-BPSN)を提案する。 DuRecDialとDuRecDial 2.0の実験は、FF-BPSNが対話経路計画における最先端の性能を達成することを示した。
• 参考スコア（独自算出の注目度）: 10.094552106328862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A target-oriented proactive dialogue system is designed to steer conversations toward predefined targets while actively providing suggestions. The core paradigm of such a system is to plan a reasonable dialogue path and subsequently guide language models (e.g., pre-trained or large language models) to generate responses, where dialogue path planning serves as the central component-a novel yet under-explored problem. In this work, we propose a Forward-Focused Bidirectional Pseudo-Siamese Network (FF-BPSN) for dialogue path planning toward predefined dialogue targets. FF-BPSN employs two identical transformer-based decoders for forward and backward planning, together with a forward-focused module that integrates bidirectional information to construct the final forward path. This path benefits from bidirectional planning while prioritizing forward information. We then employ the planned path to guide language models in response generation. Extensive experiments on DuRecDial and DuRecDial 2.0 demonstrate that FF-BPSN achieves state-of-the-art performance in dialogue path planning and significantly enhances the effectiveness of target-oriented proactive dialogue systems.
• Abstract（参考訳）: ターゲット指向のプロアクティブ対話システムは、事前に定義された目標に向けて会話を操り、積極的に提案を行うように設計されている。 このようなシステムの中核となるパラダイムは、合理的な対話パスを計画し、その後言語モデル(例えば、事前訓練された言語モデルや大規模言語モデル)をガイドして応答を生成することである。 本研究では,事前定義された対話対象に向けての対話経路計画のための,フォワード焦点双方向Pseudo-Siamese Network(FF-BPSN)を提案する。 FF-BPSNは2つの同一のトランスフォーマーベースのデコーダを前方および後方計画に使用し、さらに双方向情報を統合して最終前方経路を構築する前方モジュールも採用している。 このパスは、フォワード情報を優先順位付けしながら双方向計画の恩恵を受ける。 次に、応答生成のための言語モデルをガイドするために、計画されたパスを使用します。 DuRecDialとDuRecDial 2.0の大規模な実験は、FF-BPSNが対話経路計画における最先端性能を実現し、ターゲット指向のプロアクティブ対話システムの有効性を大幅に向上させることを示した。

関連論文リスト

• Planning with Diffusion Models for Target-Oriented Dialogue Systems [5.079888940901933]
  非逐次対話計画のための対話計画フレームワークDiffTODを導入する。 DiffTODは、条件付き誘導を用いた軌道生成問題として対話計画を定式化する。 我々は,DiffTODが筋視的でない視線探索を効果的に行え,長い地平線上での行動戦略を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-04-23T16:27:15Z)
• Dialogue Action Tokens: Steering Language Models in Goal-Directed Dialogue with a Multi-Turn Planner [51.77263363285369]
  本稿では,対話行動トークンと呼ばれる言語モデルエージェントを用いて,目標指向の対話を計画する手法を提案する。 中心となる考え方は、各発話をアクションとして扱うことで、強化学習のような既存のアプローチを適用することができるゲームに対話を変換することである。
  論文  参考訳（メタデータ） (2024-06-17T18:01:32Z)
• Target-constrained Bidirectional Planning for Generation of Target-oriented Proactive Dialogue [11.338393954848632]
  ターゲット指向対話生成のための効果的な対話計画に着目する。 認知科学における意思決定理論に着想を得て,新たな目標制約型双方向計画手法を提案する。 我々のアルゴリズムは、様々なベースラインモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-10T02:14:24Z)
• Plug-and-Play Policy Planner for Large Language Model Powered Dialogue Agents [121.46051697742608]
  そこで本稿では,PDPPという言語モデルプラグインを用いて対話問題を整理するための新たな対話ポリシー計画パラダイムを提案する。 具体的には、利用可能な人間の注釈付きデータに対する教師付き微調整を容易にするための新しいトレーニングフレームワークを開発する。 PPDPPは3つの異なるプロアクティブな対話アプリケーションにおいて、既存のアプローチを一貫して、実質的に上回っている。
  論文  参考訳（メタデータ） (2023-11-01T03:20:16Z)
• Dialogue Planning via Brownian Bridge Stochastic Process for Goal-directed Proactive Dialogue [9.99763097964222]
  ゴール指向対話システムは,マルチターン会話を通じて事前決定された目標に積極的に到達することを目的としている。 このタスクを達成するための鍵は、ターゲットに向かってスムーズかつ一貫性のある会話を誘導する対話パスを計画することにある。 本稿では,対話経路の時間的ダイナミクスをモデル化するプロセスを用いた対話計画手法を提案する。
  論文  参考訳（メタデータ） (2023-05-09T09:28:23Z)
• Follow Me: Conversation Planning for Target-driven Recommendation Dialogue Systems [9.99763097964222]
  推薦対話システムは,ユーザとソーシャル・ボンドを構築し,高品質なレコメンデーションを提供することを目的としている。 本稿では,目標駆動型レコメンデーション対話システムという,将来的なパラダイムを推し進める。 ユーザが会話を通じて、指定されたターゲットを徐々に受け入れるように、自然に誘導する方法に重点を置いています。
  論文  参考訳（メタデータ） (2022-08-06T13:23:42Z)
• 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)
• User Satisfaction Estimation with Sequential Dialogue Act Modeling in Goal-oriented Conversational Systems [65.88679683468143]
  我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。 USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。 4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-02-07T02:50:07Z)
• Video-Grounded Dialogues with Pretrained Generation Language Models [88.15419265622748]
  我々は、ビデオ地上対話を改善するために、事前学習された言語モデルのパワーを利用する。 本稿では,シーケンス・ツー・グラウンドの対話タスクを,シーケンス・トゥ・グラウンドのタスクとして定式化するフレームワークを提案する。 我々のフレームワークは、微調整の言語モデルで複数のモダリティにまたがる依存関係をキャプチャできる。
  論文  参考訳（メタデータ） (2020-06-27T08:24:26Z)

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。