タスク指向対話ポリシー学習のための強化学習法における最近の進歩と課題に関する調査【JST・京大機械翻訳】

Kwan Wai-Chung; Wang Hongru; Wang Huimin; Wong Kam-Fai

プレプリント

J-GLOBAL ID：202202206570540094 整理番号：22P0296287

タスク指向対話ポリシー学習のための強化学習法における最近の進歩と課題に関する調査【JST・京大機械翻訳】

A Survey on Recent Advances and Challenges in Reinforcement Learning Methods for Task-Oriented Dialogue Policy Learning

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 (4件)： , , ,
資料名：
発行年： 2022年02月28日プレプリントサーバーでの情報更新日： 2022年07月10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。

対話ポリシー学習は,各ターンで対話状態を与えるシステムの次の行動を決定するタスク指向対話システム(TDS)のキーコンポーネントである。強化学習(RL)は,環境としてのユーザとエージェントとしてのシステムに関して,対話政策を学ぶために一般的に選ばれる。多くのベンチマークデータセットとアルゴリズムを作成し,RLに基づく対話政策の開発と評価を容易にした。本論文では,RLの処方から対話政策における最近の進展と課題を調査した。より具体的には,主要な問題を同定し,RLベースの対話政策学習のための対応する解決策を要約した。さらに,RLにおける基本的要素への最近の方法を分類することによって,対話政策学習にRLを適用する包括的調査を提供した。本調査は,対話管理における将来の研究に光を当てると信じる。【JST・京大機械翻訳】

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

人工知能 , 人間機械系

, , , ,

前のページに戻る