曖昧なテンプレート書換えによるスタイル化知識-接地対話生成【JST・京大機械翻訳】

Sun Qingfeng; Xu Can; Hu Huang; Wang Yujing; Miao Jian; Geng Xiubo; Chen Yining; Xu Fei; Jiang Daxin

プレプリント

J-GLOBAL ID：202202211834718168 整理番号：22P0330032

曖昧なテンプレート書換えによるスタイル化知識-接地対話生成【JST・京大機械翻訳】

Stylized Knowledge-Grounded Dialogue Generation via Disentangled Template Rewriting

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 (9件)： , , , , , , , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2022年04月12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)

現在の知識-ラウンド対話生成(KDG)モデルは,合理的で実際の応答を作り出す際に特殊化する。しかし,ユーザとの長期関係を確立するためには,KDGモデルは望ましいスタイルや属性で応答を生成する能力を必要とする。したがって,著者らは,新しい問題,すなわち,Stylized Known-Grounded Dialogue Generation(SKDG)を研究した。2つの課題を示した。(1)トリプルが利用できないSKDGモデルを訓練する方法。(2)文脈との連携と,スタイロ化応答を生成するときの知識の保存。本論文では,もつれたスタイルテンプレート(モノリンガル化コーパスから)とコンテンツテンプレート(KDGコーパスから)をコーミングすることにより,応答を生成する新しいもつれテンプレート書き換え(DTR)法を提案した。全体のフレームワークはエンドツーエンドで,監視なしで学習する。2つのベンチマークに関する大規模な実験は,DTRが以前の最先端のスタイル化対話生成方式と比較して,すべての評価計量に関して著しい改良を達成することを示した。さらに,DTRは標準KDG評価設定において最先端のKDG法に匹敵する性能を達成した。【JST・京大機械翻訳】

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

自然語処理 , 人工知能

, , , , ,

前のページに戻る