抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】