論文の概要: On the Structure of Address in Multi-Party Dialogue: From Discrete Labels to Continuous Levels

• arxiv url: http://arxiv.org/abs/2607.15648v1
• Date: Fri, 17 Jul 2026 05:45:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.754605
• Title: On the Structure of Address in Multi-Party Dialogue: From Discrete Labels to Continuous Levels
• Title（参考訳）: 多人数対話におけるアドレス構造について:離散ラベルから連続レベルへ
• Abstract要約: 複数アノテータによって注釈付けされた多人数対話コーパスを用いて、アドレスを連続的な現象として分析する。 以上の結果から,ターンテイキングに加えて,視線とバックチャネルがアドレスに関連があることが示唆された。 連続アドレスレベルを用いたモデルは、離散ラベルを用いたモデルよりも優れた予測適合性が得られる。
• 参考スコア（独自算出の注目度）: 22.081793382199752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In multi-party dialogues between a dialogue system and multiple users, identifying to whom an utterance is addressed is a key challenge. Prior work has typically treated addressee detection as a multi-class classification task, selecting a single label representing an individual participant or the group. This formulation assumes that address is inherently discrete and has primarily been used for predicting turn-taking. In this paper, we revisit this assumption by analyzing address as a continuous phenomenon. Using a multi-party human dialogue corpus annotated by multiple annotators, we construct both binary address labels derived from majority-vote addressee labels and continuous address levels inferred from annotator judgments using a latent-variable model. We then examine how these representations relate to turn-taking as well as listener behaviors, including gaze and backchannels. Our results show that, in addition to turn-taking, both gaze and backchannels are associated with address. Furthermore, models using continuous address levels achieve better predictive fit than those using discrete labels, suggesting that address may exhibit graded structure. Finally, we discuss the future directions of addressee detection research based on the findings of this study.
• Abstract（参考訳）: 対話システムと複数のユーザ間の多人数対話では、どの発話に対処するかを特定することが重要な課題である。 それまでの作業では、アドレナ検出を多クラス分類タスクとして扱い、個々の参加者またはグループを表す単一のラベルを選択する。 この定式化は、アドレスは本質的に離散的であり、主にターンテイキングの予測に使われていると仮定する。 本稿では、アドレスを連続現象として分析することで、この仮定を再考する。 複数のアノテータがアノテータを付加した多人数対話コーパスを用いて、多数投票者ラベルから派生したバイナリアドレスラベルと、潜在変数モデルを用いたアノテータ判定から推定される連続アドレスレベルの両方を構築した。 次に、これらの表現が、視線やバックチャネルを含むリスナー行動とどのように関係しているかを検討する。 以上の結果から,ターンテイキングに加えて,視線とバックチャネルがアドレスに関連があることが示唆された。 さらに、連続アドレスレベルを用いたモデルでは、離散ラベルを用いたモデルよりも優れた予測適合性が得られ、アドレスがグレードされた構造を示す可能性があることを示唆している。 最後に,本研究の成果をもとに,アドレナリ検出研究の今後の方向性について論じる。

関連論文リスト

• The Demon is in Ambiguity: Revisiting Situation Recognition with Single Positive Multi-Label Learning [30.485929387603463]
  コンテキスト認識は、画像から構造化された意味的要約を抽出することを目的とした、コンピュータビジョンの基本的なタスクである。 既存の方法では,動詞の分類を単一ラベル問題として扱うが,この定式化は視覚事象認識における固有の曖昧さに対処できないという包括的分析を通して示す。 第一に,動詞分類が本質的には多言語の問題であることを示す経験的分析を通して,動詞カテゴリー間のユビキタスな意味的重複から,その特徴を明らかにする。 第二に、複数ラベル付き大規模データセットの完全注釈付けの非現実性を考えると、動詞分類を1つの正のマルチラベル学習として再構成することを提案する。
  論文  参考訳（メタデータ） (2025-08-29T17:51:55Z)
• Learning Annotation Consensus for Continuous Emotion Recognition [6.944372188747803]
  感情コンピューティングでは、データセットには異なるアノテーションからの複数のアノテーションが含まれることが多く、完全な合意が欠落している可能性がある。 本稿では,すべてのアノテータに対してコンセンサスを求める連続感情認識(CER)のためのマルチアノテータトレーニング手法を提案する。 提案手法では,アノテーションを統一表現に集約するコンセンサスネットワークを用いて,主覚醒値予測器を誘導し,集合的な入力をよりよく反映する。
  論文  参考訳（メタデータ） (2025-05-27T13:43:45Z)
• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Multi-Label Classification for Implicit Discourse Relation Recognition [10.280148603465697]
  暗黙的な談話関係認識のための多言語分類フレームワークについて検討する。 本研究では,複数ラベルの分類手法が単一ラベルの予測性能を低下させないことを示す。
  論文  参考訳（メタデータ） (2024-06-06T19:37:25Z)
• Language Models As Semantic Indexers [78.83425357657026]
  本稿では,ジェネレーティブ言語モデルを用いてセマンティックIDを学習するための自己教師型フレームワークLMIndexerを紹介する。 学習したIDの質を検証し,推奨,製品検索,文書検索の3つの課題において有効性を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:56:15Z)
• Multiview Identifiers Enhanced Generative Retrieval [78.38443356800848]
  生成検索は、検索対象の通路の識別子文字列を生成する。 本稿では,パスの内容に基づいて生成される新しいタイプの識別子,合成識別子を提案する。 提案手法は生成的検索において最善を尽くし,その有効性とロバスト性を実証する。
  論文  参考訳（メタデータ） (2023-05-26T06:50:21Z)
• Pre-training Multi-party Dialogue Models with Latent Discourse Inference [85.9683181507206]
  我々は、多人数対話の会話構造、すなわち、各発話が応答する相手を理解するモデルを事前訓練する。 ラベル付きデータを完全に活用するために,談話構造を潜在変数として扱い,それらを共同で推論し,談話認識モデルを事前学習することを提案する。
  論文  参考訳（メタデータ） (2023-05-24T14:06:27Z)
• Exploring Structured Semantic Prior for Multi Label Recognition with Incomplete Labels [60.675714333081466]
  不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。 最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。 我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
  論文  参考訳（メタデータ） (2023-03-23T12:39:20Z)
• Learning Ambiguity from Crowd Sequential Annotations [1.370633147306388]
  多くのクラウドソーシング学習手法は、アノテータ間の不一致をノイズラベリングとして扱う。 本稿では,信頼性アノテータ間の相違を検討するために,クラウドシークエンシャルsからの学習あいまい性(Learning Ambiguity)というフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-04T12:53:56Z)
• Active Learning and Multi-label Classification for Ellipsis and Coreference Detection in Conversational Question-Answering [5.984693203400407]
  エリプシスとコアは、一般的に発生する言語現象である。 DistilBERTに基づくマルチラベル分類器を提案する。 これらの手法は,手動ラベル付きデータセット上で,これらの現象を検出するための分類器の性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:14:54Z)
• Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
  本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。 我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
  論文  参考訳（メタデータ） (2020-10-26T21:34:39Z)
• CycAs: Self-supervised Cycle Association for Learning Re-identifiable Descriptions [61.724894233252414]
  本稿では,人物再識別(re-ID)問題に対する自己教師型学習手法を提案する。 既存の教師なしのメソッドは通常、ビデオトラッカーやクラスタリングのような擬似ラベルに依存している。 疑似ラベルを使わずに、生のビデオから歩行者の埋め込みを学習できる別の教師なし手法を導入する。
  論文  参考訳（メタデータ） (2020-07-15T09:52:35Z)

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。