論文の概要: Do we need to answer that question? Salience and Answerability of Potential Questions in Naturalistic Dialogue

• arxiv url: http://arxiv.org/abs/2609.31130v1
• Date: Fri, 25 Sep 2026 11:23:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.360767
• Title: Do we need to answer that question? Salience and Answerability of Potential Questions in Naturalistic Dialogue
• Title（参考訳）: その疑問に答える必要があるか? : 自然主義対話における潜在的質問のサリエンスと答え可能性
• Abstract要約: 我々は,英国民コーパスから発話と先行文脈から自動生成される7,124質問のデータセットを構築した。 対話におけるサリエンスと回答可能性の間には,頑健だが正の相関関係がみられ,より健全な質問に対処する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.9216325369400605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We empirically investigate Question Under Discussion based modelling in naturalistic dialogue by studying whether the salience of generated potential questions predicts their subsequent resolution. Building on Wu et al. (2024), we construct a dataset of 7,124 questions automatically generated from utterances and preceding context from the British National Corpus, and annotated for salience and answerability. We find a robust but low positive correlation between salience and answerability in dialogue, indicating that more salient questions are more likely to be addressed. However, this effect is markedly weaker than in monologic text, suggesting that conversational structure is less predictable. We further observe that structured interactions exhibit stronger alignment between annotators than less organised dialogues.
• Abstract（参考訳）: 本研究では,自然主義対話における質問文に基づく質問文のモデル化を,生成した潜在的な質問のサリエンスがその後の解決を予測できるかどうかを実験的に検討する。 We build on Wu et al (2024), we construct a dataset of 7,124 questions generated from utterances and previous context from the British National Corpus, and annotated for salience and answerability。 対話におけるサリエンスと回答可能性の間には,頑健だが正の相関関係がみられ,より健全な質問に対処する可能性が示唆された。 しかし、この効果は単文よりも顕著に弱く、会話の構造は予測しにくいことを示唆している。 さらに,構造的相互作用は,アノテータ間のアノテータ間のアライメントが,より少ないダイアログよりも強いことを示す。

関連論文リスト

• DRInQ: Evaluating Conversational Implicature with Controlled Context Variation [24.87053225680957]
  質問文における会話不規則に関する現実的推論を評価するためのベンチマークであるDRinQを紹介する。 本稿では,体系的変動を伴う質問文解釈インスタンスを生成する半自動パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-22T22:39:32Z)
• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• What Makes a Good Natural Language Prompt? [72.3282960118995]
  我々は,2022年から2025年にかけて,NLPおよびAIカンファレンスを主導する150以上のプロンプト関連論文を対象としたメタ分析調査を実施している。 本研究では,6次元に分類した21の特性を含む,迅速な品質評価のための特性・人間中心のフレームワークを提案する。 次に、複数プロパティのプロンプト強化を実証的に検討し、単一プロパティのプロンプトが最大の影響を与える場合が多いことを観察する。
  論文  参考訳（メタデータ） (2025-06-07T23:19:27Z)
• Topic Shift Detection in Chinese Dialogues: Corpus and Benchmark [10.378163772785204]
  そこで本稿では,階層的コントラスト学習に基づく教師学習フレームワークを提案し,応答を伴わないトピックシフトを予測する。 CNTD と 英語 TIAGE を用いた実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-05-02T04:03:50Z)
• Keeping the Questions Conversational: Using Structured Representations to Resolve Dependency in Conversational Question Answering [26.997542897342164]
  本稿では,中間表現を会話の手がかりとして捉え,生成するための新しいフレームワークCONVSR(CONVQA using Structured Representations)を提案する。 我々はQuACとCANARDのデータセット上でモデルをテストし、提案するフレームワークが標準的な質問書き直しモデルよりも優れたF1スコアを達成できることを実験結果により示す。
  論文  参考訳（メタデータ） (2023-04-14T13:42:32Z)
• Question-Interlocutor Scope Realized Graph Modeling over Key Utterances for Dialogue Reading Comprehension [61.55950233402972]
  本稿では,対話読解のためのキーワード抽出手法を提案する。 複数の連続した発話によって形成された単位に対して予測を行い、より多くの回答を含む発話を実現する。 発話のテキスト上に構築されたグラフとして,質問-対話者スコープ実現グラフ(QuISG)モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-26T04:00:42Z)
• Discourse Analysis via Questions and Answers: Parsing Dependency Structures of Questions Under Discussion [57.43781399856913]
  この研究は、談話分析にQUD(Language framework of Questions Under discussion)を採用する。 我々は、文間の関係を、徹底的なきめ細かい質問とは対照的に、自由形式の質問として特徴づける。 完全文書上の質問の依存関係構造を導出する第一種QUDを開発する。
  論文  参考訳（メタデータ） (2022-10-12T03:53:12Z)
• Building and Evaluating Open-Domain Dialogue Corpora with Clarifying Questions [65.60888490988236]
  オープンドメインのシングルターンとマルチターンの会話に焦点を当てたデータセットをリリースする。 我々は最先端のニューラルベースラインをいくつかベンチマークする。 様々な対話における質問の明確化の質を評価するための,オフラインおよびオンラインのステップからなるパイプラインを提案する。
  論文  参考訳（メタデータ） (2021-09-13T09:16:14Z)
• Self-supervised Dialogue Learning for Spoken Conversational Question Answering [29.545937716796082]
  音声対話質問応答(SCQA)では、複数の会話を含む固定された音声文書を検索して分析することにより、対応する質問に対する回答を生成する。 本研究では,不整合判定,挿入検出,質問予測などの自己教師付き学習手法を導入し,コア参照の解決と対話のコヒーレンスを明確に把握する。 提案手法は,従来の事前学習言語モデルと比較して,より一貫性があり,意味があり,適切な応答を提供する。
  論文  参考訳（メタデータ） (2021-06-04T00:09:38Z)
• Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure [53.77234444565652]
  会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。 単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。 英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T17:46:00Z)

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。