SUMBT+LaRL:効果的なマルチドメインエンドツーエンドニューラルタスク指向対話システム【JST・京大機械翻訳】

Lee Hwaran; Jo Seokhwan; Kim HyungJun; Jung Sangkeun; Kim Tae-Yoon

プレプリント

J-GLOBAL ID：202202200476710018 整理番号：21P0050062

SUMBT+LaRL:効果的なマルチドメインエンドツーエンドニューラルタスク指向対話システム【JST・京大機械翻訳】

SUMBT+LaRL: Effective Multi-domain End-to-end Neural Task-oriented Dialog System

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年09月22日プレプリントサーバーでの情報更新日： 2021年08月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

タスク指向対話システムにおける各対話成分を開発するための神経アプローチの最近の出現は著しく改善されたが,全体システム性能の最適化は課題として残っている。そのうえ,エンドツーエンド方式での複雑なマルチドメイン目標指向対話のモデリングに関する以前の研究は限られている。本論文では,2つの以前の強モデルを組み込んだ効果的なマルチドメインエンドツーエンド訓練可能ニューラルダイアログシステムSUMBT+LaRLを提示し,完全に微分できる。特に,SUMBT+は対話信念状態と同様にユーザ-アクティを推定し,LaRLモデルは潜在的システム行動空間を潜在し,推定コンテキストを与える応答を生成する。三つのステップの訓練フレームワークは,ダイアログ成功率を著しく,安定的に増加させることを強調する:SUMBT+とLaRLを個別に訓練し,全体のシステムを微調整し,次に対話政策の補強学習。また,対話政策訓練のための強化学習の新しい報酬基準を導入した。次に,報酬基準と異なる対話評価手法に依存する実験結果を論じた。その結果,著者らのモデルはコーパスベースの評価で85.4%の新しい最先端の成功率を達成し,DSTC8チャレンジによって提供されたシミュレータベースの評価で81.40%の同等の成功率を達成した。知る限りでは,本研究は,タスク成功のために各コンポーネントから全対話ポリシーに学習するモジュール化E2Eマルチドメイン対話システムの最初の包括的研究である。【JST・京大機械翻訳】

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

自然語処理

前のページに戻る