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。
オープンドメイン対話は,与えられた対話文脈の中で最も適切な応答を選択する対話応答選択タスクとして定式化できる。このようなタスクにおいて,神経対話モデルは,コンテキスト応答コンテンツ類似性に基づく応答を予測するが,類似性に対する過剰信頼性を持つモデルは実世界シナリオではロバストではない。コンテンツ類似性を超える特徴を学習するための選択モデルを可能にする敵対的ネガティブ応答を利用するための様々な方法が提案されてきたが,敵対的ネガティブ応答に依存する選択モデルは,ランダムネガティブ応答を良く区別しない。異なるタイプの負の応答に依存しないロバストな選択モデルが必要である。この問題を緩和するために,本論文では,負の応答のタイプに依存する選択モデルの性能を同定することにより,新しい訓練法あるいはモデルアーキテクチャの必要性を示唆した。訓練に対するランダムおよび敵対的負の応答の両者を用いることは基本的な解決策であるが,この解はランダムテストデータセットにおいて性能劣化をまだ示すことができる。このような観察は,負の応答の分布シフトのためのロバスト選択モデルの必要性を支持する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】