Task Oriented Conversational Modelling With Subjective Knowledge

要約

タイトル：主観的知識を用いたタスク指向型会話モデリング

要約：

– 既存の会話モデルは、データベース（DB）とAPIベースのシステムで処理されています。
– しかしながら、ユーザーの質問はしばしば、そのようなシステムでは処理できない情報を必要とします。
– これらの質問に対する答えは、顧客レビューやFAQの形で利用可能です。
– DSTC-11は、知識探求ターンの検出、知識の選択、および応答生成から構成される3段階のパイプラインを提案し、この主観的知識に基づく会話モデルを作成します。
– この論文では、知識選択モジュールを改善して全体的なシステムのパフォーマンスを向上させることに焦点を当てています。
– 特に、正確で高速な知識検索を行うエンティティリトリーバルメソッドを提案しています。
– 提案された名前付きエンティティ認識（NER）ベースのエンティティリトリーバルメソッドにより、ベースラインモデルと比較して7倍高速な検索が可能です。
– 加えて、知識選択の正確さを向上させる可能性のあるキーワード抽出方法を探索しています。
– 予備的な結果では、知識選択タスクの正確一致スコアが4％向上することが示されています。
– コードはhttps://github.com/raja-kumar/knowledge-grounded-TODSで利用可能です。

要約(オリジナル)

Existing conversational models are handled by a database(DB) and API based systems. However, very often users’ questions require information that cannot be handled by such systems. Nonetheless, answers to these questions are available in the form of customer reviews and FAQs. DSTC-11 proposes a three stage pipeline consisting of knowledge seeking turn detection, knowledge selection and response generation to create a conversational model grounded on this subjective knowledge. In this paper, we focus on improving the knowledge selection module to enhance the overall system performance. In particular, we propose entity retrieval methods which result in an accurate and faster knowledge search. Our proposed Named Entity Recognition (NER) based entity retrieval method results in 7X faster search compared to the baseline model. Additionally, we also explore a potential keyword extraction method which can improve the accuracy of knowledge selection. Preliminary results show a 4 \% improvement in exact match score on knowledge selection task. The code is available https://github.com/raja-kumar/knowledge-grounded-TODS

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI