文献

J-GLOBAL ID：202002284078571212   整理番号：20A1759419

多重対話シナリオのための実時間深層学習ターン-テイキングモデルの評価【JST・京大機械翻訳】

Evaluation of Real-time Deep Learning Turn-taking Models for Multiple Dialogue Scenarios

著者 (3件)： Lala Divesh (Kyoto University, Kyoto, Japan) ,  Inoue Koji (Kyoto University, Kyoto, Japan) ,  Kawahara Tatsuya (Kyoto University, Kyoto, Japan)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMI ’18  ページ： 78-86  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 会話的ターンを取るときの同定のタスクは,話し言葉対話システムの重要な機能である。また,ターンテーキングシステムは,構造化会話から自発的で非構造化の会話まで,多くのタイプの対話を扱うことができる。目的は,多くのタイプの対話シナリオで訓練された一般化モデルが,特定のシナリオのみに訓練されたモデルを改善するかを決定することである。この目標を達成するために,いくつかの異なるタイプの対話セッションから成るWizard-of-Oz会話データの大きなコーパスを作成し,次にシナリオ特異的モデルと一般化モデルを比較した。この評価では,従来のメトリックスを単純に報告し,実時間システムでのターンテーキングを評価するのに十分な情報がないことを示す。その代りに,待ち時間と偽カットインレートの性能曲線を用いて結果を行い,さらに,有限状態ターンオン機械を用いて,このモデルの実時間性能を改善した。結果は,一般化モデルが意図的聴取シナリオに対して個々のモデルを大きく凌駕するが,仕事インタビューシナリオではより悪いことを示した。これは,大きなコーパスに基づくモデルが,よりユーザ開始され,非構造化である会話に適していることを意味する。また,評価の方法は,実時間システムにおけるより有益な性能計量を導くことを提案した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  *多重化 ,  待ち時間 ,  コーパス ,  ターンオン ,  話し言葉 ,  会話
準シソーラス用語： 対話システム ,  メトリックス ,  実時間システム ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  対話システム ,  評価方法 ,  ニューラルネットワーク ,  旋削

分類 (2件)： 自然語処理  (JE06000L) ,  音声処理  (JE05000E)

タイトルに関連する用語 (6件)： 多重 ,  対話 ,  シナリオ ,  実時間 ,  深層学習 ,  評価