文献

J-GLOBAL ID：202202245763645062   整理番号：22A0455450

感情を意識したマルチモーダル対話ポリシー学習に向けて【JST・京大機械翻訳】

Towards Sentiment-Aware Multi-Modal Dialogue Policy Learning

著者 (3件)： Saha Tulika (Indian Institute of Technology Patna, Patna, India) ,  Saha Sriparna (Indian Institute of Technology Patna, Patna, India) ,  Bhattacharyya Pushpak (Indian Institute of Technology Patna, Patna, India)
資料名： Cognitive Computation  (Cognitive Computation)
巻： 14  号： 1  ページ： 246-260  発行年： 2022年 
JST資料番号： W4174A  ISSN： 1866-9964  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： エージェントがいくつかのサブタスクを同時に処理しなければならないので,複数の意図に関連する複雑なドメイン特異的ユーザクエリを管理できるタスク指向対話/仮想エージェント(VA)の創造は難しい。しかし,ほとんどのエンドツーエンド対話システムは,テキストから学習プロセスへの入力としてユーザ意味論を提供し,他の有用なユーザ行動や画像のような他のモダリティからの情報を無視する。このストレスは,タスクにおけるユーザ選好を引き出すためにマルチモーダル入力を組み込む利点を課す。また,ユーザの感情は,会話中の最大ユーザ/顧客満足度の達成において,重要な役割を果たす。したがって,特にユーザの複合目標を実行するとき,政策学習の間にユーザの感情を組み込むことが重要である。マルチインテントを含む会話のための感情で支援されたマルチモーダルVAの創造のために,本論文では,Vis-SentiVAという新しいデータセットを導入した:オープンアクセス会話データセットから作成したVisual and Sentiment支援VA。階層的強化学習(HRL)は,マルチ意図対話を行うためのポリシーを学習するための典型的なオプションベースのVAを提示する。ユーザの好みを同定するためのマルチモーダル情報(テキストと画像)抽出を学習フレームワークに組み込んだ。タスクベースと感情ベース報酬の組合せをユーザ適応であるVAの階層的価値関数に統合した。経験的に,学習フレームワークにおいて一緒に誘導されたこれらのすべての側面が,複合化VAsを生成するプロセスにおいて,より高い対話タスク成功とユーザコンテンツの増加の獲得において,重要な役割を果たすことを示した。これは,マルチモーダルHRLフレームワークにおける感情意識報酬の統合における最初の努力である。本論文では,より大きなユーザコンテンツを確保するための感情のようなユーザの画像や行動の手がかりのような情報抽出の他のモードを含めることが,実際に必須であることを強調する。これはまた,タスク指向の対話を行う複合化VAsの成功の改善に役立つ。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  *学習 ,  評価関数 ,  エンドツーエンド方式 ,  *多モード ,  エージェント ,  強化学習 ,  顧客満足 ,  会話 ,  コンテンツ ,  情報抽出
準シソーラス用語： モダリティ ,  オープンアクセス ,  ユーザ行動 ,  対話システム , 【Automatic Indexing@JST】

著者キーワード (6件)： マルチインテント ,  階層的強化学習 ,  マルチモーダル ,  感情 ,  政策学習 ,  タスク指向

分類 (2件)： 人間機械系  (IB03000G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 感情 ,  意識 ,  マルチモーダル対話 ,  学習