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。
対話データからの構造情報の抽出は,ユーザとシステム挙動をより良く理解するのに役立つ。タスク指向対話において,対話構造は対話状態間の遷移グラフとしてしばしば考えられている。しかし,手動で注釈する対話状態は高価で時間がかかる。本論文では,タスク指向対話における構造抽出のための簡単で効果的なアプローチを提案した。最初に,ターゲット領域に対する対話オントロジーを近似するために,事前訓練されたモデルによって可能なスロットトークンを検出し,クラスタ化する。次に,各同定されたトークングループの状態を追跡し,状態遷移構造を導いた。経験的結果は,著者らのアプローチが,対話構造抽出においてはるかに教師なしベースラインモデルより優れていることを示した。さらに,抽出構造に基づくデータ増強が訓練データの表面フォーマットを豊かにし,対話応答生成における顕著な性能ブーストを達成できることを示した。【JST・京大機械翻訳】