論文の概要: Multi-level Encoder with Global Topic for Task-oriented Dialogue Summarization

• arxiv url: http://arxiv.org/abs/2610.29097v1
• Date: Wed, 21 Oct 2026 02:41:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.181298
• Title: Multi-level Encoder with Global Topic for Task-oriented Dialogue Summarization
• Title（参考訳）: タスク指向対話要約のためのグローバルトピック付きマルチレベルエンコーダ
• Abstract要約: タスク指向対話要約は、ドメイン要約を生成するためにキー情報を自動抽出することを目的としている。 本稿では,グローバルトピックを用いた多レベルエンコーダ(MLEGT)を用いたタスク指向対話要約モデルを提案する。 合計器にグローバルトピック誘導ポインタ機構を追加し、無視されるが重要な情報をキャプチャする。
• 参考スコア（独自算出の注目度）: 18.429565535733396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task-oriented dialogue summarization aims to automatically extract key information to generate domain summaries to improve service efficiency and quality. Task-oriented dialogue is inherently logical and surrounds specific topic. How to effectively capture the dialogue topic and the most salient information becomes one of the major challenges of this task. In this paper, we propose a task-oriented dialogue summarization model utilizing a multi-level encoder with global topic (MLEGT). This model discovers temporal and spatial dependencies through a multi-level encoder, while simultaneously obtaining a simple yet effective global topic in the process of graph construction. It not only captures the crucial details but also breaks the long-range limit and discover the intrinsic structure across the dialogue. Then, a global topic guided pointer mechanism is added into the summrizer to capture ignored but important information, which is helpful to improve the accuracy of the summary. A comprehensive study of two public datasets, including a real-world large-scale Chinese police interrogation dataset and a medical reporting service dataset proves the superiority of our method on several strong baselines.
• Abstract（参考訳）: タスク指向の対話要約は、重要な情報を自動的に抽出してドメイン要約を生成し、サービスの効率と品質を改善することを目的としている。 タスク指向の対話は本質的に論理的であり、特定のトピックを取り囲む。 対話トピックと最も健全な情報を効果的にキャプチャする方法は、このタスクの大きな課題の1つになります。 本稿では,グローバルトピックを用いた多レベルエンコーダ(MLEGT)を用いたタスク指向対話要約モデルを提案する。 このモデルは,マルチレベルエンコーダを用いて時間的および空間的依存関係を発見し,同時にグラフ構築の過程において,単純かつ効果的なグローバルトピックを得る。 重要な詳細を捉えるだけでなく、長い範囲の制限を破り、対話を通して本質的な構造を発見する。 次に、要約器にグローバルトピックガイドポインタ機構を追加し、無視されるが重要な情報をキャプチャし、要約の精度を向上させるのに役立つ。 大規模な中国警察の尋問データセットと医療報告サービスデータセットを含む2つの公開データセットに関する包括的な研究は、我々の手法がいくつかの強力なベースラインで優れていることを証明している。

関連論文リスト

• QUARTZ : QA-based Unsupervised Abstractive Refinement for Task-oriented Dialogue Summarization [7.218694799833917]
  appはタスク指向ユーティリティベースの対話要約のためのフレームワークである。 アプリは、ゼロショットで対話から複数の要約とタスク指向の質問応答ペアを生成する。 複数のデータセットで検証されると、アプリは競争力のある結果を達成することによって、その効果を実証する。
  論文  参考訳（メタデータ） (2025-09-30T14:16:08Z)
• Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
  GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。 提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
  論文  参考訳（メタデータ） (2024-06-18T13:35:25Z)
• Long Dialog Summarization: An Analysis [28.223798877781054]
  この研究は、様々なアプリケーションにおける効果的なコミュニケーションのために、一貫性と文脈的に豊かな要約を作成することの重要性を強調している。 異なる領域における長いダイアログの要約に対する現在の最先端のアプローチについて検討し、ベンチマークに基づく評価により、異なる要約タスクのために、各領域で1つのモデルがうまく機能しないことを示す。
  論文  参考訳（メタデータ） (2024-02-26T19:35:45Z)
• A Unified Framework for Slot based Response Generation in a Multimodal Dialogue System [25.17100881568308]
  自然言語理解(NLU)と自然言語生成(NLG)は、すべての会話システムにおいて重要な要素である。 発話から必要なスロット値を抽出できるエンドツーエンドフレームワークを提案する。 事前学習したダイアロGPTを用いたマルチモーダル階層エンコーダを用いて、両方のタスクに対してより強力なコンテキストを提供する。
  論文  参考訳（メタデータ） (2023-05-27T10:06:03Z)
• SuperDialseg: A Large-scale Dataset for Supervised Dialogue Segmentation [55.82577086422923]
  文書地上対話の助けを借りて,対話のセグメンテーションポイントを実現可能な定義を提供する。 我々は,9,478の対話を含むSuperDialsegと呼ばれる大規模教師付きデータセットをリリースする。 また、対話セグメンテーションタスクの5つのカテゴリにまたがる18のモデルを含むベンチマークも提供する。
  論文  参考訳（メタデータ） (2023-05-15T06:08:01Z)
• Reasoning in Dialog: Improving Response Generation by Context Reading Comprehension [49.92173751203827]
  マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。 読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
  論文  参考訳（メタデータ） (2020-12-14T10:58:01Z)
• Topic-Oriented Spoken Dialogue Summarization for Customer Service with Saliency-Aware Topic Modeling [61.67321200994117]
  顧客サービスシステムでは、長い音声対話のための要約を作成することにより、対話要約はサービス効率を高めることができる。 本研究では,高度に抽象的な要約を生成するトピック指向の対話要約に注目した。 SATM(Saliency-Awareural topic Model)と併用し,顧客サービス対話のトピック指向要約を目的とした,新しいトピック拡張型2段階対話要約器(TDS)を提案する。
  論文  参考訳（メタデータ） (2020-12-14T07:50:25Z)
• Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and Context-Aware Auto-Encoders [59.038157066874255]
  本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。 RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。 消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
  論文  参考訳（メタデータ） (2020-12-14T07:31:17Z)
• Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
  本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。 トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
  論文  参考訳（メタデータ） (2020-09-26T08:43:06Z)

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。