Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users

要約

ほとんどのタスク指向の対話は、エージェントと一度に 1 人のユーザーの間で会話することを前提としていますが、対話システムでは、協力して意思決定を行う複数のユーザーと同時に通信することがますます期待されています。
このようなシステムの開発を促進するために、2 人のユーザーと 1 人のエージェント間のタスク指向の対話であるマルチユーザー MultiWOZ データセットをリリースします。
このデータセットを収集するために、MultiWOZ 2.2 の各ユーザー発話は、元のユーザー発話と意味論的および実用論的に一致する 2 人のユーザー間の小さなチャットに置き換えられ、その結果、同じ対話状態とシステム応答が得られます。
これらの対話は、社会的なおしゃべりや熟議など、タスク指向のシナリオにおける協力的な意思決定の興味深いダイナミクスを反映しています。
このデータに裏付けられて、マルチユーザーのコンテキスト クエリを書き換えるという新しいタスクを提案します。これは、2 人のユーザー間のタスク指向のチャットを、タスクに関連する情報のみを保持し、対話によって直接利用できる簡潔なタスク指向のクエリとして書き換えることです。
システム。
マルチユーザー対話では、予測書き換えを使用すると、シングルユーザー対話用にトレーニングされた既存の対話システムを変更することなく、対話状態の追跡が大幅に改善されることを実証します。
さらに、この方法は、マルチユーザー対話上で直接中規模のモデルをトレーニングすることを超え、目に見えない領域に一般化します。

要約(オリジナル)

While most task-oriented dialogues assume conversations between the agent and one user at a time, dialogue systems are increasingly expected to communicate with multiple users simultaneously who make decisions collaboratively. To facilitate development of such systems, we release the Multi-User MultiWOZ dataset: task-oriented dialogues among two users and one agent. To collect this dataset, each user utterance from MultiWOZ 2.2 was replaced with a small chat between two users that is semantically and pragmatically consistent with the original user utterance, thus resulting in the same dialogue state and system response. These dialogues reflect interesting dynamics of collaborative decision-making in task-oriented scenarios, e.g., social chatter and deliberation. Supported by this data, we propose the novel task of multi-user contextual query rewriting: to rewrite a task-oriented chat between two users as a concise task-oriented query that retains only task-relevant information and that is directly consumable by the dialogue system. We demonstrate that in multi-user dialogues, using predicted rewrites substantially improves dialogue state tracking without modifying existing dialogue systems that are trained for single-user dialogues. Further, this method surpasses training a medium-sized model directly on multi-user dialogues and generalizes to unseen domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google