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。
マルチWOZ2.0データセットは,対話状態追跡(DST)に関する研究を大いに促進した。しかし,その状態アノテーションにおいて実質的な雑音が発見された。このような雑音は,DSTモデルをロバストに訓練するための大きな課題をもたらす。マルチWOZ2.1~2.4を含むいくつかの洗練されたバージョンが最近発表されているが,特に訓練セットにおいて,多くの雑音ラベルが存在する。そのうえ,すべての問題のある注釈を修正することが高価である。本論文では,注釈品質をさらに改善する代わりに,雑音のあるラベルからロバストにDSTモデルを訓練するために,ASSIST(lAbel noiSe-robuSt dIalogue状態追跡)と名付けた一般的フレームワークを提案した。ASSISTは,小さなクリーンデータセットで訓練された補助モデルを用いることにより,訓練セットにおいて各サンプルに対して擬似ラベルを最初に作り,次に,一次モデルを訓練するために,生成された擬似ラベルとバニラ雑音ラベルを一緒にする。理論的にASSISTの妥当性を示した。また,実験結果は,ASSISTが,vanilla雑音ラベルだけの使用と比較して,マルチWOZ2.0で28.16%,マルチWOZ2.4で8.41%まで,DSTの共同目標精度を改善することを実証した。【JST・京大機械翻訳】