Bridging Information Gaps in Dialogues With Grounded Exchanges Using Knowledge Graphs

要約

知識モデルは対話システムにとって基本的なものであり、ドメイン固有の知識を扱う必要がある。情報を提供する会話において効果的なコミュニケーションを確保するためには、ユーザーの理解とシステムで利用可能な知識を一致させることが必要です。しかしながら、対話システムはしばしば、情報が自然言語で表現される方法とシステム内部の知識で表現される方法との意味的不整合から生じる課題に直面する。この問題に対処するために、我々は、対話参加者間で共有される知識を確立することによって情報ギャップを埋めるメカニズムである会話グラウンディングのための大規模言語モデルの可能性を研究する。我々のアプローチでは、BridgeKGと呼ばれる新しい対話コーパスを作成するために、5つの知識領域にわたる人間の会話に注釈を付ける。このデータセットに対する一連の実験を通して、グラウンディング行為を分類し、知識グラフ構造内のグラウンディングされた情報項目を特定するための大規模言語モデルの能力を実証的に評価する。その結果、これらのモデルがどのように会話のグラウンディングタスクのために文脈内学習を利用するか、また、一般的な予測誤りについての洞察を得ることができた。構造化されていない対話の発話と構造化された情報項目の間の意味層として、モデルが知識グラフをどのように扱うかについて議論する。

要約(オリジナル)

Knowledge models are fundamental to dialogue systems for enabling conversational interactions, which require handling domain-specific knowledge. Ensuring effective communication in information-providing conversations entails aligning user understanding with the knowledge available to the system. However, dialogue systems often face challenges arising from semantic inconsistencies in how information is expressed in natural language compared to how it is represented within the system’s internal knowledge. To address this problem, we study the potential of large language models for conversational grounding, a mechanism to bridge information gaps by establishing shared knowledge between dialogue participants. Our approach involves annotating human conversations across five knowledge domains to create a new dialogue corpus called BridgeKG. Through a series of experiments on this dataset, we empirically evaluate the capabilities of large language models in classifying grounding acts and identifying grounded information items within a knowledge graph structure. Our findings offer insights into how these models use in-context learning for conversational grounding tasks and common prediction errors, which we illustrate with examples from challenging dialogues. We discuss how the models handle knowledge graphs as a semantic layer between unstructured dialogue utterances and structured information items.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL