論文の概要: HyPE: Category-Aware Hypergraph Encoding with Persistent Edge Embeddings for Persona-Grounded Dialogue
- arxiv url: http://arxiv.org/abs/2606.13142v1
- Date: Thu, 11 Jun 2026 10:05:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.719202
- Title: HyPE: Category-Aware Hypergraph Encoding with Persistent Edge Embeddings for Persona-Grounded Dialogue
- Title（参考訳）: HyPE:ペルソナ周辺対話のためのエッジ埋め込みを用いたカテゴリ認識ハイパーグラフ符号化
- Authors: Sangwon Youn, Yoonjin Jang, Youngjoong Ko,
- Abstract要約: 提案するHyPE(Hypergraph Persona)は,各ペルソナのテキストを(Core, Expression, Sentiment, Category)の4倍体として分析するフレームワークである。
HyperGCNハイパーグラフニューラルネットワークは、この構造をペルソナ要約ベクトルとソフトメモリバンクに伝播する。
強欲なデコードの下でPersonaChatでは、HyPEは文レベルのプールベースラインを一貫して上回っている。
- 参考スコア（独自算出の注目度）: 15.627334412673305
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Persona-grounded dialogue systems aim to produce responses consistent with a speaker's persona, yet existing methods treat personas as a flat set of sentences and fail to model the high-order relations among persona attributes-e.g., that several persona sentences share a topical category. We propose HyPE (Hypergraph Persona Encoder), a framework that (i) analyzes each persona-bearing text as a (Core, Expression, Sentiment, Category) quadruple, and (ii) organizes persona elements into a hypergraph whose hyperedges are induced by shared category labels. An HyperGCN hypergraph neural network propagates this structure into a persona summary vector and a soft-memory bank that condition the response generator. We further propose Persistent Edge Embeddings (PEE), lightweight per-category learnable priors fused into the HyperGCN message-passing step. On PersonaChat under greedy decoding, HyPE consistently outperforms sentence-level pooling baselines across GPT-2, LLaMA-3.2-3B, and Qwen2.5-3B backbones by demonstrating that structured hyperedge-level persona encoding provides a transferable advantage across model scales.
- Abstract（参考訳）: ペルソナの対話システムは,話者のペルソナと一致した応答を生成することを目的としているが,既存の方法では,ペルソナを平らな文群として扱うことができず,複数のペルソナ文がトピックのカテゴリを共有しているペルソナ属性-egの高次関係をモデル化することができない。
我々はHyPE(Hypergraph Persona Encoder)というフレームワークを提案する。
一 各人称テキストを(中・表現・感・カテゴリー)四倍として分析し、
(ii) ハイパーエッジが共有カテゴリラベルによって誘導されるハイパーグラフにペルソナ要素を整理する。
HyperGCNハイパーグラフニューラルネットワークは、この構造を、応答生成器を条件としたペルソナ要約ベクトルとソフトメモリバンクに伝播する。
さらに、HyperGCNメッセージパッシングステップに融合した、軽量なカテゴリごとの学習可能な先行処理であるPersistent Edge Embeddings (PEE)を提案する。
GPT-2、LLaMA-3.2-3B、Qwen2.5-3Bのバックボーンで、構造化されたハイパーエッジレベルのペルソナ符号化がモデルスケールにわたって転送可能な優位性を提供することを示すことで、HyPEはGPT-2、LLaMA-3.2-3B、Qwen2.5-3Bのバックボーンにおける文レベルのプーリングベースラインを一貫して上回っている。
関連論文リスト
- Decoupling Semantics and Logic: A Training-Free Coarse-to-Fine Pipeline for Video Retrieval-Augmented Generation [5.263138429758972]
本稿では,Multimodal Retrieval (MAGMaR)によるマルチモーダル生成に関する第2回ワークショップのシステム記述について述べる。
言語間の長いビデオ理解,厳密なペルソナの定着,ゼロ・ハロシン化時間的接地といった重要な課題に対処するため,2段階のビデオRAGパイプラインを提案する。
我々のアーキテクチャは、認知的論理的推論から、モダリティを意識した分業を通じて意味的検索を戦略的に分離する。
論文 参考訳（メタデータ） (2026-06-06T01:17:40Z) - Hypergraph as Language [49.35033483821496]
大規模言語モデルのためのハイパーグラフネイティブアライメントフレームワークを提案する。
ハイパーグラフ構造の場合、既存のメソッドは複数のオブジェクトが同じ高次関係で結合されているというネイティブセマンティクスを保存するのに失敗することが多い。
また,Hyper-Alignはドメイン内およびゼロショット評価において,既存手法よりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2026-05-21T01:09:48Z) - HyperPersona: A Multi-Level Hypergraph Framework for Text-Based Automatic Personality Prediction [0.0]
テキストベースの自動パーソナリティ予測(APP)は、言語行動からパーソナリティを推測する。
ハイパーグラフ構造を通じてテキスト(文書,文,単語)の階層構造を明示的にモデル化するフレームワークであるHyperPersonaを提案する。
我々は,HyperPersonaがマルチレベル言語的手がかりを効果的に統合し,最先端のベースラインよりも優れた性能を実現していることを示す。
論文 参考訳（メタデータ） (2026-05-17T09:49:06Z) - Discourse Features Enhance Detection of Document-Level Machine-Generated Content [53.41994768824785]
機械生成コンテンツは、学術プラジャリズムや誤報の拡散といった課題を提起する。
既存のMGC検出器は、しばしば表面レベルの情報のみに焦点を当て、暗黙的かつ構造的な特徴を見渡す。
これらの課題を克服するために、新しい方法論とデータセットを導入します。
論文 参考訳（メタデータ） (2024-12-17T08:47:41Z) - HyperBERT: Mixing Hypergraph-Aware Layers with Language Models for Node Classification on Text-Attributed Hypergraphs [16.07396492960869]
我々はハイパーグラフリレーショナル構造とテキスト分散ハイパーグラフを同時にモデル化する新しいアーキテクチャHyperBERTを提案する。
結果から,HyperBERTは5つの挑戦的テキスト分散ハイパーグラフノード分類ベンチマークに対して,新たな最先端性を達成していることがわかった。
論文 参考訳（メタデータ） (2024-02-11T21:16:26Z) - Prototype-based Embedding Network for Scene Graph Generation [105.97836135784794]
現在のシーングラフ生成(SGG)手法は、コンテキスト情報を探索し、エンティティペア間の関係を予測する。
被写体と対象物の組み合わせが多様であるため、各述語カテゴリーには大きなクラス内変異が存在する。
プロトタイプベースのEmbedding Network (PE-Net) は、エンティティ/述語を、プロトタイプに準拠したコンパクトで独特な表現でモデル化する。
PLは、PE-Netがそのようなエンティティ述語マッチングを効率的に学習するのを助けるために導入され、不明瞭なエンティティ述語マッチングを緩和するためにプロトタイプ正規化(PR)が考案されている。
論文 参考訳（メタデータ） (2023-03-13T13:30:59Z) - Detecting Speaker Personas from Conversational Texts [52.4557098875992]
本研究では,平易な会話テキストに基づく話者ペルソナの検出を目的とした,話者ペルソナ検出(SPD)という新しいタスクについて検討する。
我々は、Persona Match on Persona-Chat (PMPC)と呼ばれるSPDのためのデータセットを構築している。
本稿では,複数のベースラインモデルを評価し,この課題に対する発話対注目(U2P)マッチングネットワークを提案する。
論文 参考訳（メタデータ） (2021-09-03T06:14:38Z) - Detecting and Classifying Malevolent Dialogue Responses: Taxonomy, Data
and Methodology [68.8836704199096]
コーパスベースの会話インタフェースは、テンプレートベースのエージェントや検索ベースのエージェントよりも多様な自然なレスポンスを生成することができる。
コーパスベースの会話エージェントの生成能力が増大すると、マレヴォレントな反応を分類し、フィルタリングする必要性が生じる。
不適切な内容の認識と分類に関するこれまでの研究は、主にある種のマレヴォレンスに焦点を絞っている。
論文 参考訳（メタデータ） (2020-08-21T22:43:27Z) - A Neural Topical Expansion Framework for Unstructured Persona-oriented
Dialogue Generation [52.743311026230714]
Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。
PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。
提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-02-06T08:24:33Z)
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。