Fugu-MT 論文翻訳(概要): Leveraging Speech Acts for Low-Data and Cross-Domain Conversation Derailment Forecasting

論文の概要: Leveraging Speech Acts for Low-Data and Cross-Domain Conversation Derailment Forecasting

arxiv url: http://arxiv.org/abs/2608.25359v1
Date: Wed, 26 Aug 2026 04:32:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 14:15:15.59237
Title: Leveraging Speech Acts for Low-Data and Cross-Domain Conversation Derailment Forecasting
Title（参考訳）: 低データ・クロスドメイン会話脱線予測のためのレバレッジ音声法
Abstract要約: 既存のアプローチは、しばしば低データ設定で苦労し、ドメインをまたいで一般化する。語彙ノイズを低減し、一般化性を向上させるために、会話の実用的な表現をモデル化することを提案する。実験結果から,3つのデータセットのパフォーマンスが向上した。
参考スコア（独自算出の注目度）: 15.062589757585494
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Conversational derailment forecasting aims to predict when online discussions will escalate into hostility, enabling proactive moderation. Existing approaches often struggle in low-data settings and to generalize across domains. This poses a challenge for new platforms and smaller communities where annotated data is limited. We propose modeling pragmatic representations of conversations to reduce lexical noise and improve generalizability. Specifically, speech act information is used as an auxiliary learning signal alongside textual semantics. Experimental results show improved performance across three datasets, particularly in low-data and cross-domain settings.
Abstract（参考訳）: 会話脱線予測は、オンライン議論がいつ敵意にエスカレートするかを予測することを目的としており、アクティブなモデレーションを可能にする。既存のアプローチは、しばしば低データ設定で苦労し、ドメインをまたいで一般化する。これは、アノテートされたデータが限られている新しいプラットフォームや小さなコミュニティにとって、課題となる。語彙ノイズを低減し、一般化性を向上させるために、会話の実用的な表現をモデル化することを提案する。具体的には、音声行動情報は、テキスト意味論と並行して補助的な学習信号として使用される。実験の結果、3つのデータセット、特に低データおよびクロスドメイン設定のパフォーマンスが改善された。

関連論文リスト

Learning task-specific subspaces via interventional post-training of speech foundation models [10.599866062045917]
介入型コントラスト学習を用いた訓練後改善手法を提案する。我々は、音声基礎モデルの絡み合った表現空間から、別コンテンツと話者部分空間への変換を学習する。
論文参考訳（メタデータ） (2026-06-16T14:18:20Z)
Still Between Us? Evaluating and Improving Voice Assistant Robustness to Third-Party Interruptions [52.45054413627452]
TPI-Trainは、話者認識型ハードネガティブで設計された88Kインスタンスのデータセットで、割り込み処理のための音響キュー優先順位付けを強制する。 TPI-Benchは、割り込み処理戦略を厳格に測定するために設計された総合的な評価フレームワークである。
論文参考訳（メタデータ） (2026-04-19T10:03:42Z)
From Reviews to Dialogues: Active Synthesis for Zero-Shot LLM-based Conversational Recommender System [49.57258257916805]
大きな言語モデル(LLM)は強力なゼロショットレコメンデーション機能を示している。現実的なアプリケーションは、スケーラビリティ、解釈可能性、データプライバシの制約により、より小さく、内部的に管理された推奨モデルを好むことが多い。能動学習技術によって導かれるブラックボックスLSMを利用して,会話学習データを合成する能動データ拡張フレームワークを提案する。
論文参考訳（メタデータ） (2025-04-21T23:05:47Z)
Manual Verbalizer Enrichment for Few-Shot Text Classification [1.860409237919611]
acrshortmaveは、クラスラベルの豊か化による動詞化のためのアプローチである。本モデルでは, 資源を著しく減らしながら, 最先端の成果が得られている。
論文参考訳（メタデータ） (2024-10-08T16:16:47Z)
LLMs and Finetuning: Benchmarking cross-domain performance for hate speech detection [9.166963162285064]
本研究では,ヘイトスピーチの同定における事前学習および微調整型大言語モデル(LLM)の有効性と適応性について検討した。 LLMは、事前トレーニングなしでも最先端技術に対して大きな優位性を提供します。
論文参考訳（メタデータ） (2023-10-29T10:07:32Z)
Conversation Disentanglement with Bi-Level Contrastive Learning [26.707584899718288]
既存の手法には2つの主な欠点がある。まず、ペアの発話関係を過度に強調するが、発話-文脈関係モデルに不適切な注意を払う。本稿では,2段階のコントラスト学習に基づく一般的な不協和モデルを提案する。このモデルでは,同一セッションに近づき,各発話が表現空間内のクラスタ化されたセッションプロトタイプに近づくように促す。
論文参考訳（メタデータ） (2022-10-27T08:41:46Z)
Distant finetuning with discourse relations for stance classification [55.131676584455306]
そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
論文参考訳（メタデータ） (2022-04-27T04:24:35Z)
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
論文参考訳（メタデータ） (2022-04-07T17:59:32Z)
A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文参考訳（メタデータ） (2022-03-10T08:58:18Z)
Avoiding Inference Heuristics in Few-shot Prompt-based Finetuning [57.4036085386653]
文ペア分類タスクのプロンプトベースモデルでは,語彙重なりに基づく推論の一般的な落とし穴が依然として残っていることを示す。そこで,プレトレーニングウェイトを保存する正規化を加えることは,この破壊的な微調整の傾向を緩和するのに有効であることを示す。
論文参考訳（メタデータ） (2021-09-09T10:10:29Z)
Low-Resource Dialogue Summarization with Domain-Agnostic Multi-Source Pretraining [10.750492932503649]
注釈付き要約を伴う対話データの不十分さのため、大規模な要約モデルの訓練は一般的に不可能である。本稿では,外部要約データをよりよく活用するためのマルチソース事前学習パラダイムを提案する。提案手法は競争性能を達成し,異なる対話シナリオでよく一般化する。
論文参考訳（メタデータ） (2021-09-09T07:47:16Z)
Online Conversation Disentanglement with Pointer Networks [13.063606578730449]
本稿では,会話の絡み合わせのためのエンドツーエンドのオンラインフレームワークを提案する。我々は、タイムスタンプ、話者、メッセージテキストを含む全発話を埋め込む新しい手法を設計する。 Ubuntu IRCデータセットを用いた実験により,提案手法はリンクと会話の予測タスクにおいて,最先端のパフォーマンスを実現することを示す。
論文参考訳（メタデータ） (2020-10-21T15:43:07Z)

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。