スティッカによる応答の学習:マルチターン対話におけるマルチモダリティの統一フレームワーク【JST・京大機械翻訳】

Gao Shen; Chen Xiuying; Liu Chang; Liu Li; Zhao Dongyan; Yan Rui

文献

J-GLOBAL ID：202002290954777638 整理番号：20A1715952

スティッカによる応答の学習:マルチターン対話におけるマルチモダリティの統一フレームワーク【JST・京大機械翻訳】

Learning to Respond with Stickers: A Framework of Unifying Multi-Modality in Multi-Turn Dialog

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1715952&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (6件)： , , , , ,
資料名：
号： WWW ’20 ページ： 1138-1148 発行年： 2020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)

鮮明な,そして,関与している表現を有するステッカーは,オンラインメッセージングアプリケーションにおいてますます普及しており,いくつかの研究は,以前の発話とステッカーのテキストラベルのマッチングによって,自動的にステッカー応答を選択するのに専念している。しかし,それらの大量のために,すべてのステッカーのためのテキストラベルを必要とすることは,実用的でない。したがって,本論文では,外部ラベルのないマルチターン対話コンテキスト履歴に基づいてユーザに適切なステッカーを推薦することを提案する。この課題には二つの主な課題が直面する。1つは,対応するテキストラベルのないステッカーの意味を学ぶことである。もう一つの課題は,マルチターンダイアログコンテキストで候補ステッカーを共同モデル化することである。これらの課題に取り組むために,ステッカー応答セレクタ(SRS)モデルを提案した。特に,SRSは,ステッカーと発話の表現を得るために,畳込みベースのステッカー画像符号器と自己注意ベースのマルチターン対話符号器を使用する。次に,対話履歴における各発話とステッカー間の深いマッチングを行うために,深い相互作用ネットワークを提案した。次に,SRSは,最終マッチングスコアを出力するために融合ネットワークによるすべての相互作用結果の間の短期および長期依存性を学習する。提案手法を評価するために,最もポピュラーなオンラインチャットプラットフォームの1つからステッカーを有する大規模実世界対話データセットを収集した。このデータセットに関して行った広範な実験は,著者らのモデルが,すべての一般的に使用される計量に対して最先端の性能を達成することを示した。また,実験はSRSの各成分の有効性を検証した。ステッカー選択分野におけるさらなる研究を促進するために,340Kマルチターンダイアログとステッカーペア1のこのデータセットを解放した。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】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

鋳造法,鋳込 , 検索技術

, , , , ,

前のページに戻る