論文の概要: CobSeg: Coherence Boundary Modeling for Dialogue Topic Segmentation

• arxiv url: http://arxiv.org/abs/2605.30668v1
• Date: Fri, 29 May 2026 00:02:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.295792
• Title: CobSeg: Coherence Boundary Modeling for Dialogue Topic Segmentation
• Title（参考訳）: CobSeg:対話トピックセグメンテーションのためのコヒーレンス境界モデリング
• Abstract要約: 我々は,コヒーレンスレベルのセマンティック連続性を語彙境界遷移から分離する,新しいマルチブランチアーキテクチャであるCobSegを提案する。 Cobegは、教師付きゴールドバウンダリトレーニングと、自動的に誘導されるバウンダリを持つ擬似ラベル設定の下で、コンパクトなトレーニング可能なセグメンタとして評価される。
• 参考スコア（独自算出の注目度）: 4.161437858389843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dialogue topic segmentation is critical in many human-AI collaborative applications which requires identifying heterogeneous boundary cues, including lexical transitions near utterance edges and semantic discontinuities across utterances. Existing utterance models often dilute these local lexical signals. We propose CobSeg, a novel multi-branch architecture that separates coherence-level semantic continuity from lexical boundary transitions and recovers both through directional boundary prediction. CobSeg further uses boundary informativeness weighting to emphasize high-utility utterance positions, and incorporates a corpus-derived topic coherence cue with learned combination weights. While CobSeg is evaluated as a compact trainable segmenter under supervised gold-boundary training and a pseudo-label setting with automatically induced boundaries, it performs enhanced boundary prediction without LLM calls during inference. Across five benchmarks, it improves $P_k$ and $W_d$ particularly when local lexical cues are prominent: under gold supervision, it reduces $P_k$ by 0.7 points and $W_d$ by 0.6 points on VHF, and reaches $P_k$ of 1.0 on DialSeg711; with induced boundaries, it reduces $P_k$ by 14.8 points on VHF, by 1.5 points on DialSeg711, and by 1.1 points on TIAGE, outperforming prior non-LLM approaches.
• Abstract（参考訳）: 対話トピックセグメンテーションは、発話エッジ近傍の語彙遷移や発話間の意味的不連続を含む、異種境界キューの同定を必要とする多くの人間-AI協調アプリケーションにおいて重要である。 既存の発話モデルは、しばしばこれらの局所的な語彙信号を希薄化する。 我々は,コヒーレンスレベルのセマンティック連続性を語彙境界遷移から切り離し,方向境界予測を通じて両機能を回復する,新しいマルチブランチアーキテクチャであるCobSegを提案する。 CobSegはさらに、境界情報重み付けを利用して高ユーティリティ発話位置を強調し、コーパス由来のトピックコヒーレンスキューと学習された組み合わせ重みを組み込む。 CobSegは、教師付きゴールドバウンダリトレーニングと、自動的に誘導される境界を持つ擬似ラベル設定の下で、コンパクトな訓練可能なセグメンタとして評価されるが、推論中にLLMコールなしで拡張境界予測を行う。 金の監督の下では、VHFでは$P_k$が0.7ポイント、DialSeg711では$W_d$が0.6ポイント、誘導バウンダリでは$P_k$が14.8ポイント、DialSeg711では1.5ポイント、TIAGEでは1.1ポイントとなる。

関連論文リスト

• A Closed-Form Persistence-Landmark Pipeline for Certified Point-Cloud and Graph Classification [0.0]
  PLACE(Persistence-Landmark Analytic Classification Engine)は、点雲とグラフを分類するためのクローズドフォームパイプラインである。 3つの量的保証 -- マージンベースの過剰リスク率、クローズドフォーム記述子選択ルール、プレディションごとの証明書 -- は、トレーニングラベルのみから導かれる。
  論文  参考訳（メタデータ） (2026-05-04T17:15:01Z)
• Adaptive Threshold-Driven Continuous Greedy Method for Scalable Submodular Optimization [0.0]
  マットロイド制約の下でのサブモジュールは、センシング、データマージ、アクティブラーニング、リソース割り当てなどの応用において、最適化の基本的な問題である。 textitATCG(underlineAdaptive underlineThresholded underlineThresholded underlineThresholded underlineGreedy)を提案する。 CIFAR-10動物データセットを用いたクラスバランス型プロトタイプ選択問題の実験
  論文  参考訳（メタデータ） (2026-04-03T19:32:39Z)
• Quasi-local Edge Mode in XXX Spin Chain/Circuit with Interaction Boundary Defect [0.0]
  境界欠陥を持つ半無限鎖上のハイゼンベルクスピン-1/2モデルについて検討する。 行列積アンサッツを用いて境界付近で保存された準局所化作用素を明示的に構成する。 この準局所エッジモードは、非零境界ドルーデ重みに対応する非退化境界相関関数をもたらす。
  論文  参考訳（メタデータ） (2026-03-18T15:27:32Z)
• Thinking with Images as Continuous Actions: Numerical Visual Chain-of-Thought [55.65577137924979]
  本稿では,連続的な数値座標を用いたMLLM画像の推論を可能にするフレームワークを提案する。 NV-CoTはMLLM作用空間を離散語彙トークンから連続ユークリッド空間へと拡張する。 3つのベンチマーク実験により、NV-CoTは局所化精度と最終回答精度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2026-02-27T12:04:07Z)
• When F1 Fails: Granularity-Aware Evaluation for Dialogue Topic Segmentation [0.0]
  本稿では,ウィンドウ耐性F1(W-F1)とともに境界密度とセグメントアライメント診断(純度とカバレッジ)を報告する評価フレームワークを提案する。 境界選択から境界スコアを分離することにより, 1つの操作点ではなく, 密度レジーム間のセグメンテーション品質を評価する。
  論文  参考訳（メタデータ） (2025-12-18T21:29:43Z)
• Learning by Neighbor-Aware Semantics, Deciding by Open-form Flows: Towards Robust Zero-Shot Skeleton Action Recognition [41.77490816513839]
  ゼロショットスケルトン動作認識のための新しい手法を,$texttt$textbfFlora$$として提案する。 具体的には、方向対応の地域意味論と相互整合性目標を取り入れたテキスト意味論を実践する。 3つのベンチマークデータセットによる実験により,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-11-12T14:54:53Z)
• $\texttt{FedBC}$: Calibrating Global and Local Models via Federated Learning Beyond Consensus [66.62731854746856]
  フェデレートラーニング(FL)では、デバイス全体にわたるモデル更新の集約を通じて、グローバルモデルを協調的に学習する目的は、ローカル情報を通じたパーソナライズという目標に反対する傾向にある。 本研究では,このトレードオフを多基準最適化により定量的にキャリブレーションする。 私たちは、$texttFedBC$が、スイートデータセット間でグローバルおよびローカルモデルのテスト精度のメトリクスのバランスをとることを実証しています。
  論文  参考訳（メタデータ） (2022-06-22T02:42:04Z)
• Unsupervised Semantic Segmentation by Distilling Feature Correspondences [94.73675308961944]
  教師なしセマンティックセグメンテーション(unsupervised semantic segmentation)は、アノテーションなしで画像コーパス内の意味論的意味のあるカテゴリを発見し、ローカライズすることを目的としている。 STEGOは、教師なし特徴を高品質な個別のセマンティックラベルに蒸留する新しいフレームワークである。 STEGOは、CocoStuffとCityscapesの両課題において、先行技術よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-16T06:08:47Z)
• Contrastive Boundary Learning for Point Cloud Segmentation [81.7289734276872]
  本稿では,ポイントクラウドセグメンテーションのための新しい対照的な境界学習フレームワークを提案する。 実験により、CBLは、異なるベースラインを一貫して改善し、バウンダリにおける魅力的なパフォーマンスを達成するのに役立ちます。
  論文  参考訳（メタデータ） (2022-03-10T10:08:09Z)
• Sequential Learning on Liver Tumor Boundary Semantics and Prognostic Biomarker Mining [73.23533486979166]
  腫瘍境界に対する毛細血管浸潤は予後指標であるmicrovascular invasion (mvi) と臨床的に相関することが証明されている。 本論文では,タスクを2つのコンポーネントに分離する,第1および新規な計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-09T01:43:05Z)
• Active Boundary Loss for Semantic Segmentation [58.72057610093194]
  本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。 エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。 実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
  論文  参考訳（メタデータ） (2021-02-04T15:47:54Z)

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。