Self-Supervised Dialogue Learning Selfgesien dialoog leer ምርጫዎች تعلم الحوار بإشراف ذاتي Öz Gözlənmiş Dialoog Öyrənməsi Обучение на диалога под самоконтрол স্বয়ংক্রিয়ভাবে প্রদর্শিত ডায়ালগ শিক্ষা རང་ཉིད་ལྟ་རྟོག་པའི་ཌའི་ལོག་བློ་རྣམ་གྲངས་སྒྲིག་ཀློག་འཇུག Naučenje samog nadzornog dijaloga L'aprenentatge de diàleg autosupervisat Učení dialogu pod vlastním dohledem Selvtilsynet dialoglæring Selbstüberwachtes Dialoglernen Αυτοεποπτευόμενη μάθηση διαλόγου Aprendizaje de diálogo autosupervisado Isejärelevalvega dialoogiõpe یادگیری محاورۀ خودمراقبت Itsevalvottu vuoropuheluoppiminen Apprentissage par dialogue auto-supervis Foghlaim Idirphlé Féinmhaoirsithe KCharselect unicode block name Self-Supervised Dialogue Learning स्व-पर्यवेक्षित संवाद अधिगम Naučenje samog nadzornog dijaloga Önfelügyelet alatt álló párbeszédtanulás Self-Supervised Dialogue Learning Mempelajari Dialog Dipengawasi Sendiri Apprendimento del dialogo auto-supervisionato 自己監督型対話学習 FindOK თავიდან დანახვა დიალოგის სწავლება Өзі бақылау диалогын үйрену 자기 감독 대화 학습 Self-Supervised Dialogue Learning Самонадгледувано учење на дијалогот സ്വയം പ്രദര്ശിപ്പിക്കപ്പെട്ട ഡയലോഗ് പഠിപ്പിക്കുന്നു Өөрийгөө удирдах диалог суралцах Pembelajaran Dialog Dijaga Sendiri Tagħlim ta’ Djalogu Awto-Sorveljat Zelfbegeleid dialoogleren Læring av dialogvindauget med sjølvovervåking Uczenie się dialogu samodzielnie nadzorowanego Aprendizagem de diálogo auto-supervisionada Învățarea dialogului auto-supravegheat Самостоятельное обучение диалогу ස්වයංග බලන්න සංවාදය ඉගෙනීම Učenje dialoga s samonadzorom Barista diyalogka Dialogu i mbikqyrur vetë Самонадзорено учиње диалога Självövervakad dialog lärande Kujifunza Dialogu Self-Supervised Dialogue Learning Öz Gözlemli Dialog Öwrenmek خود-Supervised Dialog Learning Taò¥rifi qilingan muloqat oynasi Tự giám sát 自督对学
Abstract
The sequential order of utterances is often meaningful in coherent dialogues, and the order changes of utterances could lead to low-quality and incoherent conversations. We consider the order information as a crucial supervised signal for dialogue learning, which, however, has been neglected by many previous dialogue systems. Therefore, in this paper, we introduce a self-supervised learning task, inconsistent order detection, to explicitly capture the flow of conversation in dialogues. Given a sampled utterance pair triple, the task is to predict whether it is ordered or misordered. Then we propose a sampling-based self-supervised network SSN to perform the prediction with sampled triple references from previous dialogue history. Furthermore, we design a joint learning framework where SSN can guide the dialogue systems towards more coherent and relevant dialogue learning through adversarial training. We demonstrate that the proposed methods can be applied to both open-domain and task-oriented dialogue scenarios, and achieve the new state-of-the-art performance on the OpenSubtitiles and Movie-Ticket Booking datasets.Abstract
Die volgende volgorde van uitspraak is dikwels betekenlik in koerende dialoog, en die volgorde veranderinge van uitspraak kan lei na lae kwaliteit en onheilige gesprekke. Ons beskou die volgorde inligting as 'n gekruisig ondersoekte sein vir dialoog leer, wat, egter, deur baie vorige dialoog stelsels verwerp is. Daarom, in hierdie papier, introduseer ons 'n self-superviseerde leer-taak, inkonsistente volgorde-opdekking, om die vloei van gesprek in dialoog te vang. Gegewe van 'n voorbeeld uitspraak paar tripel, die taak is om te voorskou of dit geordeeld of misordeeld is. Toe voorstel ons 'n versameling-gebaseerde self-superviseerde netwerk SSN om die voorskou uit te voer met versamel tripel verwysings van vorige dialoog geskiedenis. Ons ontwerp ook 'n joint leer raamwerk waar SSN die dialoog stelsels kan lei tot meer koherente en relevante dialoog leer deur teenstandaarde onderwerp. Ons wys dat die voorgestelde metodes kan aanwend word na open-domein en taak-orienteerde dialoog scenarios en die nuwe staat-van-kuns-prestasie op die OpenSubtitiles en Film-Tikket-Booking datastelle bereik word.Abstract
በኋላው የንግግር ድርጅት ብዙ ጊዜ በተጨማሪው አካባቢዎች ውስጥ የሚያስፈልጋል፣ የንግግር ለውጥ ጥሩ እና ጥሩ ንግግር ማቅረብ ይችላል፡፡ የሥርዓቱን መረጃ ለመማወቅ የተለየ ጥያቄ ነው ብለን እናስታውቃለን፡፡ ስለዚህም በዚህ ገጾች ውስጥ የራሳችን ትምህርት ስራ፣ የማይቃወም ሥርዓት ማግኘት እናስታውቃለን፡፡ ምሳሌ በሁለት ዓይነት እና ሦስት በተደረገ ጊዜ ስራው አዝዞ ወይም ስህተት መሆኑን ለማወቅ ነው፡፡ ከዚህም በኋላ የምሳሌ የተደረገውን የራሱ ተጠባባቂ መረብ SSN ለመፈጸም የቀድሞው አካባቢ ታሪክ በሦስት ዓይነት መልዕክቶች ለመፈጸም እናስባለን፡፡ በተጨማሪም፣ SSN በተቃዋሚ ትምህርት ማድረግ የሚችሉበትን የጥያቄውን ስርዓት እና በተቃራኒ ትምህርት የሚያስተምሩበትን ጥያቄ እናሳውቃለን፡፡ በተዘጋጀው ሥርዓቶች እና የፎቶ ዶሜን እና የስራ አካባቢ ዳታዎችን ለመጠቀም እና በOpenSubtitiles እና የፊል-ቴክቲክ መbooking ዳታዎችን ላይ አዲስ የልዩ-የልዩ ሥርዓት አግኝቷል፡፡Abstract
غالبًا ما يكون الترتيب المتسلسل للألفاظ ذا مغزى في الحوارات المتماسكة ، وقد يؤدي تغيير ترتيب الكلام إلى محادثات منخفضة الجودة وغير متماسكة. نحن نعتبر معلومات الطلب بمثابة إشارة مهمة خاضعة للإشراف لتعلم الحوار ، والتي ، مع ذلك ، تم تجاهلها من قبل العديد من أنظمة الحوار السابقة. لذلك ، في هذه الورقة ، نقدم مهمة تعلم تحت الإشراف الذاتي ، كشف غير متسق للأوامر ، لالتقاط تدفق المحادثة بشكل صريح في الحوارات. بالنظر إلى عينة ثلاثية من زوج الكلام المنطقي ، فإن المهمة هي التنبؤ بما إذا كان مرتبًا أو خاطئًا. ثم نقترح شبكة SSN قائمة على أخذ العينات تخضع للإشراف الذاتي لإجراء التنبؤ مع عينات من المراجع الثلاثية من تاريخ الحوار السابق. علاوة على ذلك ، نقوم بتصميم إطار عمل تعليمي مشترك حيث يمكن لشبكة الأمان الاجتماعي توجيه أنظمة الحوار نحو تعلم حوار أكثر تماسكًا وذات صلة من خلال التدريب على الخصومة. نبرهن على أنه يمكن تطبيق الأساليب المقترحة على سيناريوهات الحوار المفتوح والموجه نحو المهام ، وتحقيق الأداء الجديد على أحدث طراز على مجموعتي بيانات OpenSubtitiles و Movie-Ticket Booking.Abstract
Sözlüklərin sonrakı sıraları çox müxtəlif dialoglarda anlamlıdır və sözlərin dəyişiklikləri düşük kaliteli və müxtəlif danışmalarına yol açar. Biz bu əmri məlumatları dijalog öyrənməsi üçün çox mövcud təhlükəsizlik göstərilmiş sinyal kimi hesab edirik. Bu isə əvvəlkilərin çoxlu dijalog sistemləri təhlükəsizlənmişdir. Beləliklə, bu kağızda özümüzü gözləyirik öyrənmə görevi, müəyyən sıralar keşfetməsi, müzakirə edilməsi üçün müzakirə edirik. Üç dəfə nümunə çəkilən söz cütü ilə, işləri əmr edildiyini və ya yanlış əmr edildiyini gözləməkdir. Sonra, əvvəlki dialogın keçmişindən üç dəyişiklik göstərilməsi üçün örnək tabanlı self-supervised a ğ SSN təklif edirik. Daha sonra, SSN dini sistemlərini düşmənçilik təhsil vasitəsilə daha münasibətli və münasibətli danışma öyrənməyə müvəffəqi bir öyrənmə çerçivi tasarlayırıq. Biz təbliğ etdiyimiz metodların açıq-domena və işlər tərəfindən danışmış dialoga istifadə edilə biləcəyini göstəririk və OpenSubtitiles və Film-Ticket Kitabı veri qurularında yeni sanatın performansını yerinə yetirəcəyik.Abstract
Поредният ред на изказванията често е смислен в последователни диалози, а промените в реда на изказванията могат да доведат до нискокачествени и несвързани разговори. Смятаме информацията за поръчката за ключов надзорен сигнал за учене в диалога, което обаче е пренебрегнато от много предишни системи за диалог. Ето защо в настоящата статия въвеждаме задача за самонаблюдение, откриване на непоследователен ред, за да уловим изрично потока на разговора в диалозите. Като се има предвид тройна пробна двойка изказвания, задачата е да се предскаже дали тя е подредена или неправилно подредена. След това предлагаме базирана на извадка самостоятелно контролирана мрежа за извършване на прогнозата с извадки тройни препратки от предишна диалогова история. Освен това проектираме съвместна учебна рамка, в която ЕМН може да насочи системите за диалог към по-съгласувано и подходящо обучение по диалог чрез съперничество. Ние демонстрираме, че предложените методи могат да бъдат приложени както към сценарии за диалог с отворен домейн, така и към задачи ориентирани, и да постигнат новото най-съвременно представяне на наборите от данни "Отворени субтитити" и "Записване на билети за филми".Abstract
পরবর্তীতে বক্তব্যের নির্দেশ প্রায়শই একত্রিত আলোচনায় অর্থহীন এবং কথাবার্তার পরিবর্তন কম মান এবং অসম্পূর্ণ কথোপকথনে পরিবর্তন করতে পারে। আমরা ডায়ালগ শিক্ষার জন্য একটি গুরুত্বপূর্ণ সিগন্যাল হিসেবে বিবেচনা করি এই আদেশের তথ্য, যা কিন্তু আগের অনেক ডায়ালগ সিস্টেম Therefore, in this paper, we introduce a self-supervised learning task, inconsistent order detection, to explicitly capture the flow of conversation in dialogues. একটি উদাহরণ বাক্যের দ্বারা দুই ত্রিবার দিয়ে এই কাজটি ভবিষ্যদ্বাণী করা হচ্ছে যে এটি নির্দেশ দেয়া হয় অথবা ভুল আদেশ দ তারপর আমরা একটি উদাহরণ-ভিত্তিক নেটওয়ার্ক এসএসএন প্রস্তাব করি পূর্ববর্তী ডায়ালগ ইতিহাস থেকে নমুনাফাইলের তিনটি রেফারেশন পালন করতে। এছাড়াও, আমরা একটি যৌথ শিক্ষার কাঠামো ডিজাইন করি যেখানে এসএসএন বিরোধী প্রশিক্ষণের মাধ্যমে বিরোধী প্রশিক্ষণের মাধ্যমে আরো সাথে যো আমরা দেখাচ্ছি যে প্রস্তাবিত পদ্ধতিগুলো উন্মুক্ত ডোমেইন এবং কাজের দৃষ্টিভঙ্গিত ডায়ালগের সাথে প্রয়োগ করতে পারে এবং ওপেন সাবটাইটাইল এবং চলচ্চিত্র টিকেট বুকিংAbstract
རྗེས་སུ་འབྲེལ་གྱི་གོ་རིམ་འདི་ཡང་མཉམ་གླེང་སྒྲོམ་ནང་དུ་ཕན་ཚུན་ཆེན་ཡོད། We consider the order information as a crucial supervised signal for dialog learning, which, however, has been neglected by many previous dialog systems. དེར་བརྟེན། ང་ཚོས་ཤོག་བུ་འདིའི་ནང་དུ་རང་ཉིད་ལྟ་རྟོག་པའི་སློབ་པའི་བྱ་བ་ཞིག་གསལ་བཤད་བྱེད་རྒྱུ་ཡིན། མི་རྣམ་གྲངས་རྟོགས་བཤེར་ག དཔེར་ན་བརྗོད་ཟིན་པའི་གཟུགས་རིས་གསུམ་གཅིག་ལ་བྱིན་དགོས་མིན། ལས་ཀ་ནི་དེ་གོ་རིམ་བཀོད་ཡོད་མིན་ན་འགོག འོན་ཀྱང་། ང་ཚོས་རང་ཉིད་ལྟ་རྟོག་པའི་དྲ་བ་SSN་གི་རྗེས་སྔོན་ཚོད་དང་། ད་དུང་། SSN་ནི་ཚོགས་སྐྱོན་རྒྱུ་དང་མཐུན་གྱི་ཌའི་ལོག་གླེང་སྒྲོམ་གྱི་མཐུན་སྒྲིག་framework་ཞིག་བཟོ་བྱེད་ཀྱི་ཡོད། We demonstrate that the proposed methods can be applied to both open-domain and task-oriented dialog scenarios, and achieve the new state-of-the-art performance on the OpenSubtitiles and Movie-Ticket Booking datasets.Abstract
Sekvencijalni poredak govora često je značajan u sasluženim dijalogima, a poredak promjena govora može dovesti do niskog kvaliteta i neslužnih razgovora. Smatramo informacije o redu kao ključni nadzorni signal za učenje dijaloga, koji su međutim zabranili mnogi prethodni dijalogski sustavi. Stoga, u ovom papiru, predstavljamo zadatak za samopouzdanje učenja, nepristojno otkrivanje reda, da bismo jasno uhvatili tok razgovora u dijalogu. S obzirom na trostruko uzorke izraze, zadatak je predvidjeti je li naređeno ili pogrešno naređeno. Onda predlažemo samopouzdanu mrežu SSN kako bi izvršili predviđanje s uzorcima trostrukim referencijama iz prethodne povijesti dijaloga. Osim toga, mi dizajniramo zajednički okvir učenja gdje SSN može voditi dijalogske sisteme ka saskaņonijim i relevantnim učenjima dijaloga kroz neprijateljsku obuku. Pokazujemo da se predložene metode mogu primjenjivati na scenarije dijaloga otvorenog domena i na cilju zadataka i ostvariti novi postupak umjetnosti na setima podataka OpenSubtitiles i filmskih kartica.Abstract
L'ordre seqüencial de les expressions sovint té sentit en diàlegs coherents, i els canvis d'ordre de les expressions podrien portar a converses de baixa qualitat i incoherents. We consider the order information as a crucial supervised signal for dialogue learning, which, however, has been neglected by many previous dialogue systems. Així doncs, en aquest article, introduïm una tasca d'aprenentatge autosupervisada, la detecció d'ordres inconsistents, per capturar explícitament el flux de converses en diàlegs. Tenint en compte un parell de frases triats, la tasca és predir si es ordena o no. Llavors proposem una xarxa SSN autosupervisada basada en el recolzament de mostres per fer la predicció amb referencies triples recolzades de la història anterior del diàleg. A més, dissenyem un marc d'aprenentatge conjunt on SSN pot guiar els sistemes de diàleg cap a aprenentatge diàleg més coherent i rellevant mitjançant formació adversaria. Demonstrem que els mètodes proposats poden ser aplicats tant a escenaris de diàleg de domini obert com orientat a tasques, i aconseguir el nou desempeny d'última generació en els conjunts de dades OpenSubtitiles i Movie-Ticket Booking.Abstract
Postupné pořadí výroků je často smysluplné v soudržných dialogech a změny pořadí výroků mohou vést k nízké kvalitě a nesouvislosti konverzací. Informace o objednávce považujeme za klíčový kontrolovaný signál pro učení se dialogem, který však mnoho předchozích dialogových systémů zanedbávalo. Proto v tomto článku představujeme samostatný učební úkol, nekonzistentní detekci pořadí, abychom explicitně zachytili tok konverzace v dialogu. Vzhledem k trojnásobnému výrokovému páru je úkolem předpovědět, zda je uspořádána nebo nesprávně uspořádána. Následně navrhujeme síť SSN založenou na vzorkování, která bude provádět predikci se vzorkovanými trojitými referencemi z předchozí historie dialogů. Navíc navrhujeme společný rámec vzdělávání, kde SSN může vést systémy dialogu k soudržnějšímu a relevantnějšímu učení dialogu prostřednictvím protivního školení. Ukážeme, že navržené metody lze aplikovat jak na otevřené domény, tak na úlohy orientované dialogové scénáře a dosáhnout nového nejmodernějšího výkonu na datových sadách OpenSubtitles a Movie-Ticket Booking.Abstract
Den sekventielle rækkefølge af udtalelser er ofte meningsfuld i sammenhængende dialoger, og rækkefølgeændringerne af udtalelser kan føre til dårlig kvalitet og ukommenhængende samtaler. Vi betragter ordreinformationen som et afgørende overvåget signal for dialoglæring, som imidlertid er blevet forsømt af mange tidligere dialogsystemer. Derfor introducerer vi i denne artikel en selvovervåget læringsopgave, inkonsekvent ordnedetektering, for eksplicit at fange strømmen af samtaler i dialoger. I betragtning af en prøveudtaget udtalelse par tredobbelt, er opgaven at forudsige, om det er bestilt eller forkert bestilt. Derefter foreslår vi et sampling-baseret selvovervåget netværk SSN til at udføre forudsigelsen med samplede tredobbelte referencer fra tidligere dialoghistorik. Desuden udvikler vi en fælles læringsramme, hvor SSN kan lede dialogsystemerne hen imod mere sammenhængende og relevant dialog læring gennem modstridende træning. Vi demonstrerer, at de foreslåede metoder kan anvendes på både åbent domæne og opgaveorienterede dialogscenarier, og opnå den nye state-of-the-art performance på OpenSubtitiles og Movie-Ticket Booking datasæt.Abstract
Die sequentielle Reihenfolge der Äußerungen ist in kohärenten Dialogen oft sinnvoll, und die Ordnungsänderungen der Äußerungen können zu minderwertigen und inkohärenten Gesprächen führen. Wir betrachten die Bestellinformationen als ein wichtiges überwachtes Signal für das Dialoglernen, das jedoch von vielen bisherigen Dialogsystemen vernachlässigt wurde. Daher stellen wir in diesem Beitrag eine selbstüberwachte Lernaufgabe vor, inkonsistente Ordnungserkennung, um den Gesprächsfluss in Dialogen explizit zu erfassen. Bei einem getesteten Äußerungspaar Triple besteht die Aufgabe darin, vorherzusagen, ob es geordnet oder falsch geordnet ist. Dann schlagen wir ein sampling-basiertes selbstüberwachtes Netzwerk SSN vor, um die Vorhersage mit gesampelten Triple-Referenzen aus der vorherigen Dialoghistorie durchzuführen. Darüber hinaus entwerfen wir einen gemeinsamen Lernrahmen, in dem SSN die Dialogsysteme zu kohärenterem und relevanterem Dialoglernen durch adversariales Training führen kann. Wir demonstrieren, dass die vorgeschlagenen Methoden sowohl auf offene als auch aufgabenorientierte Dialogszenarien angewendet werden können und die neue State-of-the-Art Performance auf den Datensätzen OpenSubtitiles und Movie-Ticket Booking erreichen.Abstract
Η διαδοχική σειρά των προφορών έχει συχνά νόημα σε συνεκτικούς διαλόγους και οι αλλαγές της σειράς των προφορών θα μπορούσαν να οδηγήσουν σε συζητήσεις χαμηλής ποιότητας και ασυνάρτητες. Θεωρούμε ότι οι πληροφορίες για την παραγγελία αποτελούν ένα κρίσιμο εποπτευμένο σήμα για τη μάθηση του διαλόγου, το οποίο, ωστόσο, έχει παραμεληθεί από πολλά προηγούμενα συστήματα διαλόγου. Ως εκ τούτου, σε αυτή την εργασία, εισάγουμε μια αυτοεποπτική εργασία μάθησης, την ασυνεπή ανίχνευση διαταγών, για να αποτυπώσουμε ρητά τη ροή της συνομιλίας σε διαλόγους. Δεδομένου ενός δείγματος ζεύγους προφορών τριπλό, το καθήκον είναι να προβλέψουμε αν είναι διαταγμένα ή λανθασμένα. Στη συνέχεια προτείνουμε ένα αυτοεποπτικό δίκτυο βασισμένο στη δειγματοληψία για την εκτέλεση της πρόβλεψης με δειγματοληψίες τριπλής αναφορές από το προηγούμενο ιστορικό διαλόγου. Επιπλέον, σχεδιάζουμε ένα κοινό μαθησιακό πλαίσιο στο οποίο η ΕΕΔ μπορεί να καθοδηγήσει τα συστήματα διαλόγου προς πιο συνεκτική και σχετική μάθηση διαλόγου μέσω αντιπροσωπικής κατάρτισης. Αποδεικνύουμε ότι οι προτεινόμενες μέθοδοι μπορούν να εφαρμοστούν τόσο σε σενάρια διαλόγου ανοιχτού χώρου όσο και σε σενάρια διαλόγου προσανατολισμένες στις εργασίες, και να επιτύχουν τη νέα απόδοση τελευταίας τεχνολογίας στα σύνολα δεδομένων OpenSubtitles και Movie-Ticket Booking.Abstract
El orden secuencial de los enunciados suele ser significativo en los diálogos coherentes, y los cambios de orden de los enunciados podrían dar lugar a conversaciones de baja calidad e incoherentes. Consideramos la información de pedidos como una señal supervisada crucial para el aprendizaje del diálogo, que, sin embargo, ha sido descuidado por muchos sistemas de diálogo anteriores. Por lo tanto, en este artículo, presentamos una tarea de aprendizaje autosupervisada, la detección de orden inconsistente, para capturar explícitamente el flujo de la conversación en los diálogos. Dado que un par de enunciados muestreado se triplica, la tarea consiste en predecir si está ordenado o mal ordenado. Luego proponemos una red SSN autosupervisada basada en muestreo para realizar la predicción con referencias triples muestreadas del historial de diálogos anteriores. Además, diseñamos un marco de aprendizaje conjunto donde el SSN puede guiar los sistemas de diálogo hacia un aprendizaje de diálogo más coherente y relevante a través de la capacitación contradictoria. Demostramos que los métodos propuestos se pueden aplicar a escenarios de diálogo de dominio abierto y orientados a tareas, y lograr el nuevo rendimiento de vanguardia en los conjuntos de datos OpenSubtitiles y Movie-Ticket Booking.Abstract
Ühtsetes dialoogides on väljendite järjestikune järjekord sageli tähenduslik ning väljendite järjestuse muutmine võib viia madala kvaliteediga ja ebaühtlase vestluseni. Me peame tellimusteavet oluliseks jälgitavaks signaaliks dialoogi õppimiseks, mida aga paljud varasemad dialoogisüsteemid on eiranud. Seetõttu tutvustame käesolevas töös isejärelevalvega õppeülesannet, ebajärjekindla järjekorra tuvastamist, et selgesõnaliselt jäädvustada dialoogides vestlusvoog. Arvestades väljenduspaari kolmekordset valimit, on ülesanne ennustada, kas see on korraldatud või valesti korraldatud. Seejärel pakume välja valimipõhise isejärelevalvega võrgu SSN, et teha prognoos eelmise dialoogi ajaloo näidiste kolmekordsete viitetega. Lisaks töötame välja ühise õpperaamistiku, kus SSN saab suunata dialoogisüsteeme sidusama ja asjakohasema dialoogi õppimise suunas konkurentide koolituse kaudu. Näitame, et kavandatud meetodeid on võimalik rakendada nii avatud domeeni kui ka ülesannetele orienteeritud dialoogi stsenaariumides ning saavutada uue taseme OpenSubtitiles ja Movie-Piletite Broneerimise andmekogumites.Abstract
سفارش سفارش سخنرانی اغلب در صحبتهای هماهنگ معنی است، و سفارش تغییرات سخنرانی میتواند به کیفیت کم و بیهماهنگ صحبت کند. ما اطلاعات سفارش را به عنوان سیگنال مهم تحت نظر قرار گرفتهایم برای یادگیری گفتگو، که با این حال، توسط سیستمهای گفتگو پیشینیان فراموش شده است. بنابراین، در این کاغذ، ما یک کار یادگیری را که خود را کنترل میکند، کشف دستور غیرقابل توجه میکنیم، تا به طور کامل جریان صحبت را در گفتگوها بگیریم. با توجه به یک جفت کلمه نمونه سه بار، کار این است که پیش بینی کنیم که آیا دستور داده شود یا بد دستور داده شود. سپس ما یک شبکه SSN را بر اساس نمونهبندی بر اساس خود کنترل میکنیم تا پیشبینی را با نمونههای سهگانه از تاریخ گفتگو قبلی انجام دهد. به علاوه، ما یک چهارچوب یادگیری مشترک طراحی می کنیم که SSN می تواند سیستمهای گفتگو را به سمت یادگیری مشترک و ارتباط بیشتری از طریق آموزش دشمنی هدایت کند. ما نشان میدهیم که روش پیشنهاد میتواند به سیناریوهای صحبتنامهای که به دامنههای باز و تابعنامههای مشاوره میشود کاربرد شود، و به انجام وضعیتنامهی هنری جدید در مجموعههای دادهنامههای OpenSubtitiles و فیلم-Ticket Booking.Abstract
Lausumien peräkkäisellä järjestyksellä on usein merkitystä johdonmukaisissa dialogeissa, ja sanomien järjestysmuutokset voivat johtaa huonolaatuisiin ja epäjohdonmukaisiin keskusteluihin. Pidämme tilaustietoja keskeisenä valvottuna signaalina dialogioppimiselle, jota monet aiemmat dialogijärjestelmät ovat kuitenkin laiminlyöneet. Tämän vuoksi tässä artikkelissa esitellään itsevalvottava oppimistehtävä, epäjohdonmukaisen järjestyksen havaitseminen, jotta keskustelun kulku voidaan kuvata yksiselitteisesti dialogeissa. Kun otetaan huomioon näytteenottopari kolminkertainen, tehtävänä on ennustaa, onko se järjestetty vai väärin. Tämän jälkeen ehdotamme näytteenottopohjaista itsevalvottua SSN-verkkoa, joka suorittaa ennusteen kolminkertaisilla viittauksilla aiemmasta dialogihistoriasta. Lisäksi suunnittelemme yhteisen oppimiskehyksen, jossa SSN voi ohjata vuoropuhelujärjestelmiä kohti johdonmukaisempaa ja tarkoituksenmukaisempaa vuoropuheluoppimista vastustajakoulutuksen avulla. Osoitamme, että ehdotettuja menetelmiä voidaan soveltaa sekä avoimeen että tehtävälähtöiseen dialogin skenaarioon ja saavuttaa uusi huipputason suorituskyky OpenSubtitiles- ja Movie-Ticket Booking -aineistoissa.Abstract
L'ordre séquentiel des énoncés est souvent significatif dans les dialogues cohérents, et les changements d'ordre des énoncés peuvent conduire à des conversations de mauvaise qualité et incohérentes. Nous considérons les informations de commande comme un signal supervisé crucial pour l'apprentissage du dialogue, qui a toutefois été négligé par de nombreux systèmes de dialogue précédents. Par conséquent, dans cet article, nous introduisons une tâche d'apprentissage auto-supervisée, la détection d'ordre incohérent, pour capturer explicitement le flux de conversation dans les dialogues. Compte tenu du triple d'une paire d'énoncés échantillonnés, la tâche consiste à prédire s'il est ordonné ou mal ordonné. Ensuite, nous proposons un SSN de réseau auto-supervisé basé sur l'échantillonnage pour effectuer la prédiction avec des références triples échantillonnées provenant de l'historique des dialogues précédents. En outre, nous concevons un cadre d'apprentissage conjoint dans lequel le SSN peut guider les systèmes de dialogue vers un apprentissage par le dialogue plus cohérent et plus pertinent grâce à une formation contradictoire. Nous démontrons que les méthodes proposées peuvent être appliquées à la fois à des scénarios de dialogue ouverts et axés sur les tâches, et atteignons les nouvelles performances de pointe sur les ensembles de données OpenSubtitiles et Movie-Ticket Booking.Abstract
Is minic a bhíonn brí le hord seicheamhach nathanna in idirphlé comhleanúnach, agus d’fhéadfadh comhráite ar chaighdeán íseal agus neamhchomhleanúnach a bheith mar thoradh ar athruithe oird na cainte. Breithnímid an fhaisnéis ordaithe mar chomhartha ríthábhachtach maoirsithe le haghaidh foghlama idirphlé, rud a ndearnadh faillí uirthi, áfach, i go leor córais idirphlé roimhe seo. Mar sin, sa pháipéar seo, tugaimid isteach tasc foghlama féin-mhaoirsithe, braite ordú neamhréireach, chun sreabhadh an chomhrá in idirphlé a ghabháil go sainráite. Nuair a chuirtear péire cainte samplach triarach san áireamh, is é an tasc a thuar an bhfuil sé ordaithe nó mí-ordú. Ansin molaimid SSN líonra féin-mhaoirsithe bunaithe ar shampláil chun an tuar a dhéanamh le tagairtí triarach samplacha ón stair idirphlé roimhe seo. Ina theannta sin, déanaimid creat foghlama comhpháirteach a dhearadh inar féidir le SSN na córais idirphlé a threorú i dtreo foghlama idirphlé níos comhleanúnaí agus níos ábhartha trí oiliúint sháraíochta. Léirímid gur féidir na modhanna atá beartaithe a chur i bhfeidhm ar chásanna idirphlé fearainn oscailte agus tasc-dhírithe, agus bainimid amach an fheidhmíocht nua-aimseartha ar na tacair sonraí OpenSubtitles agus Movie-Ticket Booking.Abstract
Farawa na biyar magana yana da amfani da a cikin zauren akwatin bayani masu haɗuwa, kuma jujjuya masu canza magana yana iya ƙaranci da mazaɓa da kuma ba ta taɓa ba. Kana ganin tsarin bayani kamar wata muhimu da aka tsare shi ga karanta zauren akwatin bayani, kuma, amma, an ƙyale da wasu na'urar zauren akwatin bayani na farko. Saboda haka, cikin wannan takarda, Munã fara wani aikin da za'a tsare masu karanta da kuma an gane umurni wanda bã ta da shi ba, dõmin mu iya sami kowanin mazaɓa a cikin zauren akwatin bayani. Idan an yi wani misali da sau biyu biyu sau biyu, sai ka ƙayyade aikin ka ƙayyade ko an umurce shi da ɓarna. Sa'an nan kuma muna buɗa wani shirin SSN, wanda ya samu'a da shi, mai tsaro kansa, dõmin ya cika bayani da misalin misali uku sau biyu daga historin zauren akwatin bayani na farko. Furan haka, Munã ƙayyade wani firam da za'a sanar da kodi, inda SSN zai iya shiryar da zauren akwatin bayani zuwa zauren akwatin bayani masu ƙaranci da kuma masu da muhimmi da za'a karanta mafarin motsi. Tuna nũna zaɓen shiryoyin ayuka da aka buɗe ta don a iya amfani da su ga zauren akwatin bayani masu buɗe-Domen da masu shirya wa aikin aiki, kuma Mu sami tsarin-halin-sanatarwa na-sanar a kan tsarin da ake buɗe-littattafani na Filamu-Ticket.Abstract
סדר הרצף של מילים הוא לעתים קרובות משמעותי בדיולוגים קבועים, והסדר שינויים של מילים יכול להוביל לשיחות באיכות נמוכה ולא קבועות. אנו מחשיבים את מידע ההזמנה כאות משופט קריטי ללימודי דיאלוג, אשר, עם זאת, נזנח על ידי מערכות דיאלוג רבות קודמות. לכן, בעיתון הזה, אנחנו מציגים משימה למידה משומרת על עצמנו, גילוי סדר לא תואם, כדי לתפוס באופן ברור את זרימת השיחה בדיולוגים. בהתחשב בזוג ביטוי שנבחן בשלוש, המשימה היא לחזות אם זה מוזמנת או לא מוזמנת. ואז אנו מציעים רשת SSN שמבוססת על דגימות כדי לבצע את החזוי עם התייחסות שלוש דוגמאות מההיסטוריה של הדיולוג הקודם. בנוסף, אנחנו מעצבים מסגרת לימוד משותפת שבה SSN יכול להוביל את מערכות הדיולוגים לכיוון לימוד דיאלוגים יותר תואם ורלוונטי דרך אימון יריבי. אנו מראים שהשיטות המוצעות יכולות להשתמש גם בתסריטי דיאלוג פתוחים ומומדים למשימות, ולהשיג את ההופעה החדשה ביותר על "OpenSubtitles" וקבוצות נתונים של כרטיסי הסרט.Abstract
कथनों का अनुक्रमिक क्रम अक्सर सुसंगत संवादों में सार्थक होता है, और कथनों के क्रम में परिवर्तन कम गुणवत्ता और असंगत बातचीत का कारण बन सकता है। हम आदेश की जानकारी को संवाद सीखने के लिए एक महत्वपूर्ण पर्यवेक्षित संकेत के रूप में मानते हैं, जो, हालांकि, कई पिछले संवाद प्रणालियों द्वारा उपेक्षित किया गया है। इसलिए, इस पेपर में, हम संवादों में बातचीत के प्रवाह को स्पष्ट रूप से कैप्चर करने के लिए एक स्व-पर्यवेक्षित सीखने के कार्य, असंगत आदेश का पता लगाने का परिचय देते हैं। एक नमूना उच्चारण जोड़ी ट्रिपल को देखते हुए, कार्य यह भविष्यवाणी करना है कि क्या यह आदेश दिया गया है या गलत तरीके से किया गया है। फिर हम पिछले संवाद इतिहास से नमूना ट्रिपल संदर्भों के साथ भविष्यवाणी करने के लिए एक नमूना-आधारित स्व-पर्यवेक्षित नेटवर्क एसएसएन का प्रस्ताव करते हैं। इसके अलावा, हम एक संयुक्त सीखने के ढांचे को डिजाइन करते हैं जहां एसएसएन प्रतिकूल प्रशिक्षण के माध्यम से अधिक सुसंगत और प्रासंगिक संवाद सीखने की दिशा में संवाद प्रणालियों का मार्गदर्शन कर सकता है। हम प्रदर्शित करते हैं कि प्रस्तावित विधियों को ओपन-डोमेन और कार्य-उन्मुख संवाद परिदृश्यों दोनों पर लागू किया जा सकता है, और OpenSubtitiles और Movie-Ticket Booking datasets पर नए अत्याधुनिक प्रदर्शन को प्राप्त किया जा सकता है।Abstract
Sekvencijalni poredak govora često je značajan u sasluženim dijalogima, a poredak promjena govora može dovesti do niskog kvaliteta i neslužnih razgovora. Smatramo informacije o redu kao ključni nadzorni signal za učenje dijaloga, koji su međutim zabranili mnogi prethodni dijalogski sustavi. Stoga, u ovom papiru, predstavljamo zadatak o samopouzdanju učenja, neskladnom otkrivanju reda, kako bismo jasno uhvatili tok razgovora u dijalogima. S obzirom na trostruko uzorak par izjave, zadatak je predvidjeti je li naređeno ili pogrešno naređeno. Onda predlažemo samopouzdanu mrežu SSN kako bi izvršili predviđanje s uzorkom trostrukim referencijama iz prethodne povijesti dijaloga. Osim toga, mi dizajniramo zajednički okvir učenja gdje SSN može voditi dijalogske sustave prema usklađenijim i relevantnim učenjima dijaloga kroz neprijateljsku obuku. Pokazujemo da se predložene metode mogu primjenjivati na scenarije dijaloga otvorenog domena i na zadatke i postići nove postupke umjetnosti na podacima OpenSubtitiles i filmskih snimaka.Abstract
A kimondások egymást követő sorrendje gyakran jelentős a koherens párbeszédekben, és a kimondások sorrendváltozásai alacsony minőségű és koherens beszélgetésekhez vezethetnek. A rendelési információkat a párbeszédtanulás kulcsfontosságú felügyelt jelének tekintjük, amelyet azonban számos korábbi párbeszédrendszer elhanyagolt. Ezért ebben a tanulmányban bemutatunk egy önfelügyelt tanulási feladatot, következetlen sorrendfelismerést, amely kifejezetten rögzíti a beszélgetés folyamatát a párbeszédekben. A mintába vett kimondási pár hármas, a feladat az, hogy megjósolja, hogy megrendelték-e vagy rosszul rendelték-e. Ezután javasoljuk egy mintavételi alapú, önfelügyelt SSN hálózatot, amelynek célja az előrejelzés végrehajtása a korábbi párbeszédelőzményekből származó mintavételezett hármas hivatkozásokkal. Ezen túlmenően kialakítunk egy közös tanulási keretet, ahol az SSN a párbeszédrendszereket az ellenséges képzés révén egységesebb és relevánsabb párbeszédtanulás felé irányíthatja. Bemutatjuk, hogy a javasolt módszerek alkalmazhatók mind nyílt domain, mind feladatorientált párbeszédforgatókönyvekre, és elérjük az új, korszerű teljesítményt az OpenSubtitiles és Movie-Ticket Booking adatkészleteken.Abstract
Խոսքերի հաջորդական հաջորդականությունը հաճախ իմաստալից է համապատասխան դասընթացներում, և խոսքերի հաջորդականության փոփոխությունները կարող են հանգեցնել ցածր որակի և անհամապատասխան զրույցներին: Մենք կարծում ենք, որ կարգչային տեղեկատվությունը կարևոր վերահսկվող ազդանշան է դասախոսության համար, ինչը, այնուամենայնիվ, շատ նախկին դասախոսության համակարգեր անտեսել են: Այսպիսով, այս թղթի մեջ մենք ներկայացնում ենք ինքնուրույն վերահսկվող ուսուցման խնդիր, անհամապատասխանատու կարգը հայտնաբերելու, որպեսզի բացատրականորեն ընկալենք խոսակցության հոսքը դասախոսություններում: Տեսագրված արտահայտության երեք զույգ հաշվի առնելով, առաջադրանքն է կանխատեսել, թե արդյոք այն կարգավորված է, թե սխալ: Հետո մենք առաջարկում ենք նմուշներ վերցնելու հիմնված ինքնավերահսկվող SSN ցանց, որպեսզի կատարենք կանխատեսումը նախորդ երկրորդ պատմության նմուշներով: Furthermore, we design a joint learning framework where SSN can guide the dialogue systems towards more coherent and relevant dialogue learning through adversarial training. Մենք ցույց ենք տալիս, որ առաջարկված մեթոդները կարող են կիրառվել բաց բնագավառի և խնդիրների վրա ուղղությամբ խոսակցության սցենարների վրա, և հասնել նոր բարձրագույն արտադրողություններին Openենթատեքստիլների և ֆիլմերի տոմսերի գրման տվյալների համակարգերի վրա:Abstract
Order urutan ucapan sering bermakna dalam dialog yang konsisten, dan perubahan urutan ucapan bisa menyebabkan percakapan kualitas rendah dan tidak konsisten. Kami mempertimbangkan informasi perintah sebagai sinyal terpantau penting untuk belajar dialog, yang, bagaimanapun, telah diabaikan oleh banyak sistem dialog sebelumnya. Oleh karena itu, di kertas ini, kami memperkenalkan tugas belajar yang diawasi sendiri, deteksi perintah yang tidak konsisten, untuk secara eksplisit menangkap aliran percakapan dalam dialog. Berdasarkan pasangan ucapan yang dipilih tiga kali lipat, tugas adalah untuk memprediksi apakah ini diperintahkan atau salah diperintahkan. Kemudian kami mengusulkan sebuah jaringan SSN yang mengawasi diri berdasarkan sampel untuk melakukan prediksi dengan referensi tiga sampel dari sejarah dialog sebelumnya. Selain itu, kami merancang sebuah cadangan belajar bersama di mana SSN dapat memimpin sistem dialog ke arah belajar dialog yang lebih konsisten dan relevan melalui pelatihan musuh. Kami menunjukkan bahwa metode yang diusulkan dapat diaplikasikan untuk skenario dialog terbuka-domain dan tugas-oriented, dan mencapai prestasi baru-state-of-the-art pada set data OpenSubtitiles dan Movie-Ticket Booking.Abstract
L'ordine sequenziale delle parole è spesso significativo nei dialoghi coerenti, e i cambiamenti di ordine delle parole potrebbero portare a conversazioni di bassa qualità e incoerenti. Consideriamo l'informazione dell'ordine come un segnale supervisionato cruciale per l'apprendimento del dialogo, che però è stato trascurato da molti sistemi di dialogo precedenti. Pertanto, in questo articolo, introduciamo un compito di apprendimento auto-supervisionato, il rilevamento degli ordini incoerenti, per catturare esplicitamente il flusso della conversazione nei dialoghi. Data una coppia di parole campionata tripla, il compito è quello di prevedere se è ordinato o sbagliato. Quindi proponiamo una rete SSN self-supervisionata basata su campionamento per eseguire la previsione con tripli riferimenti campionati dalla cronologia dei dialoghi precedenti. Inoltre, progettiamo un quadro di apprendimento comune in cui SSN può guidare i sistemi di dialogo verso un apprendimento del dialogo più coerente e pertinente attraverso la formazione avversaria. Dimostriamo che i metodi proposti possono essere applicati sia a scenari di dialogo open-domain che task-oriented, e ottenere le nuove prestazioni all'avanguardia sui dataset OpenSubtitiles e Movie-Ticket Booking.Abstract
発話の順序はしばしば一貫した対話において有意義であり、発話の順序の変更は質の低い一貫性のない会話につながる可能性がある。 私たちは、順序情報は対話学習の重要な監督されたシグナルであると考えていますが、これは以前の多くの対話システムによって無視されています。 そこで、本稿では、会話の流れを明示的に対話で捉えるための自主監督型学習課題、一貫性のない順序検出を紹介する。 サンプリングされた発話ペアのトリプルを考えると、タスクは、それが順序付けられているか誤って順序付けられているかを予測することになります。 そして、サンプリングベースの自己監視ネットワークSSNを提案し、これまでのダイアログ履歴からサンプリングされた三重参照で予測を実行します。 さらに、SSNが対話システムを対話トレーニングを通じてより一貫性のある関連性のある対話学習に導くことができる共同学習フレームワークを設計します。 提案された方法は、オープンドメインとタスク指向のダイアログシナリオの両方に適用でき、OpenSubtitilesとMovie - Ticket Bookingデータセットで最新のパフォーマンスを達成することができます。Abstract
Sugeng-Sugeng langgar oleh sing dikarepaké ning cah-dialog sing mengko, lan akeh mbuh sing perusahaan langgar kuwi quality karo ingkang dipoleh. Awak dhéwé isih informasi alaman terus-sistem sing dikarepaké simbol kanggo ngilangno dialog Kaya, nang mapun iki, kita mêng ngomong bantayan ang sampeyan ngilanggar sampeyan, tapi panggayarah sing beraksi, kanggo nggawe gerakan kanggo ngilanggar tarjamahan kanggo ngilanggar-dialog politenessoffpolite"), and when there is a change ("assertive Amarok tambah unduh sistem sampling-sampling basa batir SSN ono dianggawe perusahaan karo ingkang sampling 3 Lahan ke, kéné sampeyan sistem sing sampeyan kanggo nggawe SSN iso nggawe sistem dialog kanggo koheretan lan ijol-ijol sing seneng nggawe barang seneng pisan karo aturan tambahan We maneh akèh wong halungi yang dipunangé sistem iso aplikasi kanggo open-domain lan task-Orientation dialog seneng gawe nggawe barang nggawe sistem sing bagian-state-of-the-arts gawan kanggo Open Subtitiles karo Film-Tick Boking dataset.Abstract
სიტყვების შემდეგ წესების წესები ზოგიერთად მნიშვნელოვანია კონდენტური დიალოგიში, და სიტყვების შეცვლების წესები შეიძლება გავაკეთოთ ცოტა კონტაქტის და არაფერი ჩვენ ვფიქრობთ წესების ინფორმაციას როგორც მნიშვნელოვანი დანარწმუნებული სიგნალ დიალოგის სწავლებისთვის, რომელიც მაგრამ მრავალე წინ დიალოგის სისტემი ამიტომ, ამ დოკუნტში ჩვენ ჩვენ ჩვენ ჩვენ გავაკეთებთ სწავლების დავამუშავებული დავალება, არასწორი დავაკეთება, რომ გავაკეთებთ პარამეტრების გარეშე დიალოგში. მაგალითად სამჯერ გამოსახულებული სიტყვების სამჯერად, დავადგინოთ თუ არა დასწორებულია ან არა დასწორებულია. შემდეგ ჩვენ განვითარებთ ჩვენი სამუშაო სამუშაო რეფერენციებით წინ დიალოგის ისტორიის განსაზღვრებით SSN-ის სამუშაო დავამუშაოთ. დამატებით, ჩვენ დავიყენებთ ერთადერთი სწავლების ფრამეტრი, სადაც SSN შეუძლია დიალოგის სისტემის გადაწყენება უფრო კონექციური და მნიშვნელოვანი დიალოგის სწ ჩვენ გამოჩვენებთ, რომ გახსნა დიალოგის სინარიოში და დავაკეთებთ გახსნილი დიალოგის მეტოვების შესაძლებლობა და გავაკეთებთ ახალი სინამდვილეების შესაძლებლობა OpenSubtitiles და Film-Ticket ბუკერების მონაცემების შესაძლებლოAbstract
Келесі сөздердің реті көбінесе сәйкесті диалогтарда маңызды, және сөздердің өзгерістері сапатты және сәйкесті сәйкестіктерге көмектеседі. Біз рет мәліметін диалогты үйрену үшін маңызды бақылау сигналы деп ойлаймыз. Бірақ бұл көптеген алдыңғы диалог жүйелері өзгертілген. Сондықтан, бұл қағазда біз өзімізді бақылайтын оқыту тапсырмасын, тұрақты ретті анықтау үшін, диалогтарда сұхбаттау жұмысын түсінікті түсініктіреміз. Үш рет үлгісін үлгілеп тұрған сөздерді тапсырма реттеу не дұрыс реттеу үшін тапсырма. Содан кейін біз алдыңғы диалог тарыхындағы үш рет сілтемелерді алдыңғы үлгі сілтемелер үшін SSN бақылау желіне негізделген. Сонымен қатар, біз SSN диалог жүйелерін қарсы оқыту арқылы бағытталған және қатынастық диалогты көмектесетін біріктіру бағдарламасын құрамыз. Біз таңдалған әдістерді ашық доменге және тапсырманың бағытталған диалог сценариясына қолдануға болады, және OpenSubtitiles және Movie- Ticket деректер жинақтарындағы жаңа әдістер жасауын көрсетуге болады.Abstract
일관된 대화에서 말의 순서는 보통 의미가 있지만 말의 순서 변화는 저질과 불연관된 대화를 초래할 수 있다.우리는 순서 정보가 대화 학습의 중요한 감독 신호라고 생각하지만 이전의 많은 대화 시스템들은 이 점을 소홀히 했다.따라서 본고에서 우리는 자체 감독 학습 임무, 즉 불일치 순서 검측을 도입하여 대화 중의 대화 흐름을 명확하게 포착했다.표본을 추출하는 말을 정해 놓고, 임무는 그것이 질서가 있는지 없는지를 예측하는 것이다.그 다음에 우리는 샘플링을 바탕으로 하는 자체 감독 네트워크 SSN을 제기하여 이전 대화 역사에서 샘플링의 삼중 참고를 이용하여 예측했다.그 밖에 우리는 SSN이 대항적인 훈련을 통해 대화 시스템을 더욱 일관되고 관련된 대화 학습을 실현하도록 유도하는 연합 학습 틀을 설계했다.우리는 제시한 방법이 개방역과 임무를 위한 대화 장면에 적용될 수 있음을 증명했고 OpenSubities와 영화표 예약 데이터 집합에서 최신 성능을 실현했다.Abstract
Nuosekli žodžių tvarka dažnai yra reikšminga nuosekliuose dialoguose, o žodžių tvarkos pokyčiai gali paskatinti žemos kokybės ir nesuderinamus pokyčius. Mūsų nuomone, užsakymo informacija yra svarbiausias prižiūrimas dialogo mokymosi signal as, tačiau daugelis ankstesnių dialogo sistemų ją pamiršo. Therefore, in this paper, we introduce a self-supervised learning task, inconsistent order detection, to explicitly capture the flow of conversation in dialogues. Atsižvelgiant į atrinktą žodžių porą trigubai, užduotis yra nuspėti, ar ji yra tvarkoma arba neteisingai tvarkoma. Tuomet siūlome imties pagrindu pasirinktą savarankiškai prižiūrimą SSN tinklą, kad būtų atlikta prognozė su atrinktomis trimis nuorodomis iš ankstesnio dialogo istorijos. Be to, sukuriame bendrą mokymosi sistemą, pagal kurią SSN gali vadovauti dialogo sistemoms siekiant nuoseklesnio ir tinkamesnio dialogo mokymosi pasitelkiant priešingus mokymus. Mes demonstruojame, kad siūlomi metodai gali būti taikomi atviros srities ir užduotims orientuotiems dialogo scenarijams ir pasiekti naujausius rezultatus, susijusius su OpenSubtitles ir kino bilietų knygų duomenų rinkiniais.Abstract
Секвенцијалниот ред на изразите честопати има значење во кохерентните дијалози, а промените на редот на изразите би можеле да доведат до нискоквалитетни и некохерентни разговори. Ние ги сметаме информациите за наредба за клучен надгледуван сигнал за учење на дијалогот, кој, сепак, е заборавен од многумина претходни дијалошки системи. Затоа, во овој весник, ние воведуваме задача за самонадгледувано учење, несоодветно детекција на редот, за експлицитно да го фатиме текот на разговорот во дијалозите. Со оглед на примерениот пар изрази трипати, задачата е да се предвиди дали е наредена или погрешно наредена. Потоа предложуваме самонадгледувана мрежа SSN, базирана на примероци, за да ја изврши предвидувањето со примероци на три референции од претходната историја на дијалогот. Покрај тоа, дизајнираме заедничка рамка за учење каде што ССН може да ги води дијалошките системи кон покохерентно и релевантно учење на дијалогот преку непријателска обука. We demonstrate that the proposed methods can be applied to both open-domain and task-oriented dialogue scenarios, and achieve the new state-of-the-art performance on the OpenSubtitiles and Movie-Ticket Booking datasets.Abstract
വാക്കുകളുടെ പിന്നിലുള്ള വാക്കുകളുടെ ക്രമീകരിക്കുന്നത് പലപ്പോഴും സംസാരിക്കുന്ന സംസാരത്തില് അർത്ഥമാണ്. വാക്കുകളുടെ മാ ഡയലോഗ് പഠിക്കുന്നതിനുള്ള പ്രധാനപ്പെട്ട ഒരു സിഗ്നലായി ഞങ്ങള് ഓര്ഡര് വിവരങ്ങള് നോക്കുന്നു. എന്നാലും മുമ്പ് പല ഡയലോഗ് അതുകൊണ്ട്, ഈ പത്രത്തില്, സ്വയം നിരീക്ഷിക്കപ്പെട്ട പഠനത്തിന്റെ ജോലിയെയും, അസാധ്യതയില്ലാത്ത ഉത്തരവാദിത്വത്തെയും കണ്ടുപിടിക് ഒരു ഉദാഹരണമായ വാക്ക് രണ്ട് ഇരട്ടി കൊടുത്തിട്ടുണ്ട്, അത് നിര്ദേശിക്കപ്പെടുന്നോ അല്ലെങ്കില് തെറ്റായി പിന്നീട് നമ്മള് സ്വയം നിരീക്ഷിക്കപ്പെട്ട നെറ്റ്വര്ക്ക് എസ്എസ്എസ്എസ്എനില് നിന്ന് മാമ്പിള് മൂന്ന് രേഖകള് അതിനുശേഷം, നമ്മള് ഒരു യൂട്ട് പഠിക്കുന്ന ഫ്രെയിമെക്ക് നിര്മ്മിക്കുന്നു. എസ്എന് സംവിധാനങ്ങള്ക്ക് സംവിധാനങ്ങള് കൂടുതല പ്രൊദ്ദേശിക്കപ്പെട്ട രീതികള് തുറന്ന ഡൊമെയിനും ജോലിയുടെ സംസാരത്തിലേക്കും പ്രയോഗിക്കാന് സാധിക്കുന്നു. പിന്നെ തുറക്കുന്ന സംസാരത്തിന്റെ പുതിയAbstract
Дараагийн хэлэлцээний дараагийн дараагийн дарааллаар хэлэлцээнд ихэвчлэн үнэ цэнэтэй, хэлэлцээний өөрчлөлт нь бага чанар болон бусад ярилцлага хүргэж чадна. Бид дарааллын мэдээллийг диалог суралцахын тулд хамгийн чухал удирдагдсан зохиол гэж үздэг. Гэхдээ энэ нь өмнөх диалог системээс анзаарсан олон зүйл юм. Тиймээс бид энэ цаасан дээр өөрсдийгөө удирдаж суралцах үйл ажиллагаа, харилцааны урсгалыг тодорхой ойлгохын тулд өөрсдийгөө удирдаж байдаг. Хэрэглэгдсэн үг хэлсэн хоёр гурав дахин тооцоолсон учраас, үүнийг дарааллаа эсвэл буруу дарааллаа хийгдсэн эсэхийг тодорхойлох юм. Дараа нь бид анхны диалогын түүхээс гурав дахин холбоотой шинж тэмдэглэгддэг сүлжээг SSN-д зөвшөөрөх боломжтой. Мөн бид SSN-ийн диалог системийг илүү холбогдолтой, холбогдолтой диалог суралцах боломжтой нэгэн суралцах системийг бүтээж байна. Бид санал өгсөн арга нь нээлттэй холбоотой болон ажлын ориентиролтой диалог хувилбарууд дээр ашиглаж, OpenSubtitiles болон Film-Ticket Booking өгөгдлийн сангийн шинэ урлагийн үйл ажиллагааг гаргаж чадна.Abstract
Order urutan ungkapan sering bermakna dalam dialog yang konsisten, dan perubahan urutan ungkapan boleh membawa kepada perbualan berkualiti rendah dan tidak konsisten. Kami menganggap maklumat perintah sebagai isyarat terpantau penting untuk pembelajaran dialog, yang, bagaimanapun, telah dilupakan oleh banyak sistem dialog sebelumnya. Oleh itu, dalam kertas ini, kami memperkenalkan tugas belajar yang mengawasi diri sendiri, pengesan arahan yang tidak konsisten, untuk menangkap secara eksplicit aliran perbualan dalam dialog. Berdasarkan pasangan ucapan yang dicampur tiga kali, tugas adalah untuk meramalkan sama ada ia diperintahkan atau salah diperintahkan. Then we propose a sampling-based self-supervised network SSN to perform the prediction with sampled triple references from previous dialogue history. Selain itu, kami merancang kerangka pembelajaran kongsi di mana SSN boleh memimpin sistem dialog ke arah pembelajaran dialog yang lebih konsisten dan relevan melalui latihan lawan. Kami menunjukkan bahawa kaedah yang dicadangkan boleh dilaksanakan kepada skenario dialog terbuka-domain dan orientasi-tugas, dan mencapai prestasi baru-state-of-the-art pada set data Buku Titel OpenSubtitles dan Tiket-Film.Abstract
L-ordni sekwenzjali ta’ dikjarazzjonijiet ta’ spiss hija sinifikanti f’djalogi koerenti, u l-bidliet fl-ordni ta’ dikjarazzjonijiet jistgħu jwasslu għal konverżjonijiet ta’ kwalità baxxa u inkoerenti. Aħna nqisu l-informazzjoni dwar l-ordni bħala sinjal kruċjali sorveljat għat-tagħlim tad-djalogu, li madankollu ġie injorat minn ħafna sistemi ta’ djalogu preċedenti. Għalhekk, f’dan id-dokument, a ħna nintroduċu kompitu ta’ tagħlim awtosorveljat, detezzjoni ta’ ordni inkonsistenti, biex inqabdu espliċitament il-fluss ta’ konverżjoni fid-djalogi. Minħabba żewġ pari ta’ espressjoni fil-kampjun tripli, il-kompitu huwa li wieħed jipprevedi jekk huwiex ordnat jew ordnat ħa żin. Imbagħad nipproponu netwerk SSN awtosorveljat ibbażat fuq it-teħid ta’ kampjuni biex iwettaq it-tbassir b’referenzi tripli fil-kampjun mill-istorja ta’ djalogu preċedenti. Barra minn hekk, a ħna niddisinjaw qafas konġunt ta’ tagħlim fejn l-SSN tista’ tiggwida s-sistemi ta’ djalogu lejn tagħlim aktar koerenti u rilevanti ta’ djalogu permezz ta’ taħriġ avversarju. Aħna nuru li l-metodi proposti jistgħu jiġu applikati kemm għal xenarji ta’ djalogu b’dominju miftuħ kif ukoll għal xenarji ta’ djalogu orjentati lejn ix-xogħol, u niksbu l-prestazzjoni l-ġdida l-aktar avvanzata fuq is-settijiet ta’ dejta OpenSubtitiles u Movie-Tickets Booking.Abstract
De opeenvolgende volgorde van uitspraken is vaak zinvol in coherente dialogen, en de volgorde van uitspraken kan leiden tot gesprekken van lage kwaliteit en incoherentie. Wij beschouwen de orderinformatie als een cruciaal begeleid signaal voor het leren van dialoog, dat echter door veel eerdere dialoogsystemen is verwaarloosd. Daarom introduceren we in dit artikel een zelfbegeleide leertaak, inconsistente orderdetectie, om de conversatiestroom expliciet vast te leggen in dialogen. Gezien het drievoudige uitgebrachte koppel, is de taak om te voorspellen of het is geordend of verkeerd geordend. Vervolgens stellen we een sampling-based self-supervised netwerk SSN voor om de voorspelling uit te voeren met bemonsterde triple referenties uit eerdere dialooggeschiedenis. Daarnaast ontwerpen we een gezamenlijk leerkader waarin SSN de dialoogsystemen kan begeleiden naar coherenter en relevanter dialoogleren door middel van contrarial training. We tonen aan dat de voorgestelde methoden kunnen worden toegepast op zowel open-domein als taakgerichte dialoogscenario's, en bereiken de nieuwe state-of-the-art performance op de datasets OpenSubtitiles en Movie-Ticket Booking.Abstract
Sekvens rekkefølgje av taler er ofte betydelig i konsekvente dialogar, og rekkefølgja for endringar av taler kunne føra til låg kvalitet og inkoherende samtaler. Vi ser på rekkefølgjande som eit viktig overvåkingssymbol for dialoglæring, som imidlertid har blitt neglectert av mange førre dialogsystemar. I denne papiret introduserer vi ein sjølvoversikt læringsoppgåve, inkonsistent rekkefølgje for å oppdaga uttrykket av samtalen i dialogvindauge. Gjennomsiktig eit uttrykk par for uttrykk, er oppgåva å foregå om det er ordna eller feil ordna. Så fører vi eit samlingsbasert selvoversikt nettverk SSN for å utføra forhåndsvising med utvalte tre referanser frå førre dialoghistorie. I tillegg designerer vi eit saman læringsrammeverk der SSN kan håndtere dialogsystemet mot meir koherent og relevant dialoglæring gjennom negativt læring. Vi viser at dei første metodane kan brukast på både dialogscenarioane med opna domene og oppgåveorientert, og oppnå den nye kunsthandlinga på OpenSubtitiles og filmetiketbokseringa.Abstract
Kolejność wypowiedzi ma często znaczenie w spójnych dialogach, a zmiany kolejności wypowiedzi mogą prowadzić do niskiej jakości i niespójnych rozmów. Uważamy informacje o zamówieniu za kluczowy nadzorowany sygnał dla uczenia się dialogu, który jednak został zaniedbany przez wiele dotychczasowych systemów dialogu. Dlatego w niniejszym artykule wprowadzamy samodzielne zadanie uczenia się, niespójne wykrywanie kolejności, aby wyraźnie uchwycić przepływ rozmów w dialogach. Biorąc pod uwagę potrójną próbkę parę wypowiedzi, zadaniem jest przewidzieć, czy jest ona uporządkowana czy źle uporządkowana. Następnie proponujemy samodzielnie nadzorowaną sieć SSN opartą na próbkach, aby przeprowadzić przewidywanie z próbkowanymi potrójnymi odniesieniami z poprzedniej historii dialogów. Ponadto opracowujemy wspólne ramy uczenia się, w których SSN może kierować systemy dialogu w kierunku bardziej spójnego i odpowiedniego uczenia się dialogu poprzez szkolenia przeciwne. Pokazujemy, że proponowane metody mogą być zastosowane zarówno do scenariuszy dialogu otwartego, jak i zorientowanego na zadania, a także osiągnąć nowy state-of-the-art wydajność na zbiorach danych OpenSubtitles i Movie-Ticket Booking.Abstract
A ordem sequencial dos enunciados é muitas vezes significativa em diálogos coerentes, e as mudanças de ordem dos enunciados podem levar a conversas incoerentes e de baixa qualidade. Consideramos a informação do pedido como um sinal supervisionado crucial para o aprendizado do diálogo, que, no entanto, foi negligenciado por muitos sistemas de diálogo anteriores. Portanto, neste artigo, apresentamos uma tarefa de aprendizado autossupervisionada, detecção de ordem inconsistente, para capturar explicitamente o fluxo da conversa nos diálogos. Dado um par de enunciado amostrado triplo, a tarefa é prever se ele está ordenado ou mal ordenado. Em seguida, propomos um SSN de rede autossupervisionado baseado em amostragem para realizar a previsão com referências triplas amostradas do histórico de diálogo anterior. Além disso, projetamos uma estrutura de aprendizado conjunto onde o SSN pode orientar os sistemas de diálogo para um aprendizado de diálogo mais coerente e relevante por meio de treinamento contraditório. Demonstramos que os métodos propostos podem ser aplicados a cenários de diálogo de domínio aberto e orientado a tarefas, e alcançam o novo desempenho de última geração nos conjuntos de dados OpenSubtitiles e Movie-Ticket Booking.Abstract
Ordinea secvențială a cuvintelor este adesea semnificativă în dialogurile coerente, iar schimbările de ordine ale cuvintelor ar putea duce la conversații de calitate scăzută și incoerente. Considerăm informațiile privind ordinea ca un semnal crucial supravegheat pentru învățarea dialogului, care, însă, a fost neglijat de multe sisteme de dialog anterioare. Prin urmare, în această lucrare, introducem o sarcină de învățare auto-supravegheată, detectarea ordinii inconsistente, pentru a capta în mod explicit fluxul conversației în dialoguri. Având în vedere o pereche de pronunțări eșantionate triple, sarcina este de a prezice dacă este comandată sau comandată greșit. Apoi propunem o rețea SSN auto-supravegheată bazată pe eșantionare pentru a efectua predicția cu referințe triple eșantionate din istoricul dialogurilor anterioare. În plus, proiectăm un cadru comun de învățare în care SSN poate ghida sistemele de dialog către o învățare mai coerentă și mai relevantă a dialogului prin formare adversară. Demonstrăm că metodele propuse pot fi aplicate atât în scenariile de dialog open-domain, cât și în cele orientate spre sarcini, și obținem performanțe noi de ultimă oră pe seturile de date OpenSubtitiles și Movie-Ticket Booking.Abstract
Последовательный порядок высказываний часто имеет смысл в последовательных диалогах, и изменения порядка высказываний могут привести к некачественным и непоследовательным разговорам. Мы рассматриваем информацию о порядке как важнейший контролируемый сигнал для обучения диалогу, который, однако, игнорировался многими предыдущими системами диалога. Поэтому в данной работе мы вводим самостоятельную учебную задачу, непоследовательное распознавание порядка, для того, чтобы явно зафиксировать поток разговоров в диалогах. Учитывая тройную пару слов с выборкой, задача состоит в том, чтобы предсказать, упорядочен ли он или неправильно упорядочен. Затем мы предлагаем самоконтролируемую сеть SSN на основе выборки для выполнения прогнозирования с выборочными тройными ссылками из предыдущей истории диалога. Кроме того, мы разрабатываем совместные рамки обучения, в которых SSN может направлять системы диалога к более согласованному и актуальному обучению диалогу посредством состязательной подготовки. Мы демонстрируем, что предлагаемые методы могут быть применены как к сценариям диалога с открытым доменом, так и к сценариям, ориентированным на задачу, и достигли новой современной производительности на наборах данных OpenSubtitiles и Movie-Ticket Booking.Abstract
කියන්නේ සිද්ධ විධාන ක්රමය සාමාන්ය සංවාදයක් වලින් අදහස් වෙන්න පුළුවන් විධානය සහ සංවාදයක් වෙනුවෙන් පුළුව අපි ක්රමය තොරතුරු විශේෂ සංවාදය ඉගෙන ගන්න සංවාදයක් විදිහට බලාගන්න හිතනවා, ඒත් මුලින් සංවාදය පද්ධත ඉතින්, මේ පැත්තට, අපි ස්වාමින් බලන්න පුළුවන් ඉගෙන ගන්න වැඩක්, නිර්මාණ විධානයක් හොයාගන්න, සංවාද වලට කතාවක් සැම්පල් කතාවක් තුනක් දෙයක් තියෙන්නේ, කාර්ය තමයි ඒක අණිවිධානයක් නැත්නම් නැත්නම් අනුවිධානය කරන ඊට පස්සේ අපි සැම්ප්ලින් ස්වාම්ප්ලින් ස්වාම්ප්ලින් ස්වාම්ප්ලින් පරික්ෂා කරපු ජාලය SSN කිරීමේ සැම්ප්ලි ඊට පස්සේ, අපි සාමාන්ය ඉගෙන ගන්න පුළුවන් SSN සංවාදය පද්ධතිය සහ සම්බන්ධ සංවාදය සඳහා සම්බන්ධ සංවාදය සි අපි පෙන්වන්නේ ප්රයෝජනය විධානය ප්රයෝජනය වෙන්න පුළුවන් විදිහට ප්රයෝජනය කරන්න පුළුවන් විදිහට ප්රයෝජනය කරන්න පුළුවන් විදිහට සහAbstract
Zaporedni vrstni red izgovorov je pogosto smiseln v skladnih dialogih, spremembe vrstnega reda izgovorov pa lahko vodijo v slabo kakovostne in nepovezane pogovore. Informacije o naročilu menimo za ključnega nadzorovanega signala za učenje dialoga, ki pa ga številni prejšnji dialogni sistemi zanemarjajo. Zato v tem prispevku predstavljamo samonadzorovano učno nalogo, nedosledno zaznavanje vrstnega reda, da izrecno zajamemo tok pogovora v dialogih. Glede na trojni par vzorčenih izgovorov je naloga napovedati, ali je urejen ali napačno. Nato predlagamo samonadzorovano omrežje SSN, ki temelji na vzorčenju, za izvedbo napovedi z vzorčenimi trojnimi referencami iz prejšnje zgodovine dialoga. Poleg tega oblikujemo skupni učni okvir, v katerem lahko SSN vodi sisteme dialoga k bolj usklajenemu in ustreznemu učenju dialoga prek konkurenčnega usposabljanja. Prikazujemo, da je mogoče predlagane metode uporabiti tako za scenarije dialoga odprtega domena kot tudi za naloge usmerjene scenarije ter doseči najsodobnejšo izvedbo na naborih podatkov OpenSubtitiles in Movie-Ticket Booking.Abstract
Orodka hadalka dabadeed inta badan waa wax muhiim ah oo ku saabsan dialogueoyinka dhexe, oo beddelka hadalka waxaa laga heli karaa hadal hoos u eg iyo hadal aan la mid ahayn. Waxaynu ka fiirinnaa macluumaadka nidaamka sida calaamad muhiim ah oo la ilaaliyo waxbarashada dialogue, taas oo si kastaba ha ahaatee looga jeedo nidaamka dialogka ee hore. Sidaa darteed waxan warqaddan ka soo bandhignaynaa shaqo iskuul-ilaaliya, baaritaan amar aan la mid ahayn, si cad loo qabsado dhaqdhaqaalaha hadalka ee dialogueyada. Haddii lagu sameeyo hadal tusaale ahaan labo jeer ah, shaqadu waa in la sii sheegaa in lagu amray ama in lagu kharribay. Markaas waxaynu soo jeedaynaa shabakadda SSN oo sameynta isku-ilaaliya si aan u sameyno wixii lagu soo hor jeeday qoraalkii hore. Furthermore, waxaynu designnaa koorso waxbarasho wadajir ah oo ay SSN ku hogaansan karo nidaamka dialogka oo u hagi karta barashada iskuullada cadaawayaasha ah. We demonstrate that the proposed methods can be applied to both open-domain and task-oriented dialogue scenarios, and achieve the new state-of-the-art performance on the OpenSubtitiles and Movie-Ticket Booking datasets.Abstract
Rregulli sekuencor i shprehjeve shpesh ka kuptim në dialoge koherente dhe ndryshimet e rendit të shprehjeve mund të çojnë në bisedime me cilësi të ulët dhe të pakoheshme. Ne e konsiderojmë informacionin e rendit si një sinjal vendimtar të mbikqyrur për mësimin e dialogut, i cili megjithatë është harruar nga shumë sisteme të dialogut të mëparshëm. Prandaj, në këtë letër, ne paraqesim një detyrë mësimi të mbikqyrur nga vetja, zbulim të papërqëndrueshëm rendi, për të kapur shprehësisht rrjedhën e bisedës në dialoge. Given a sampled utterance pair triple, the task is to predict whether it is ordered or misordered. Pastaj propozojmë një rrjet të mbikqyrur vetë-me-mbikqyrur SSN për të kryer parashikimin me referenca të mbikqyrura tre herë nga historia e dialogut të mëparshëm. Përveç kësaj, ne dizajnojmë një kuadër të përbashkët mësimi ku SSN mund të udhëzojë sistemet e dialogut drejt mësimit më koherent dhe më të rëndësishëm të dialogut nëpërmjet trajnimit kundërshtar. Ne demonstrojmë se metodat e propozuara mund të aplikohen si në skenarët e dialogut të hapur, ashtu edhe në skenarët e dialogut të orientuar ndaj detyrave, dhe të arrijmë shfaqjen e re të moderne në Open Subtitles dhe të dhënat e librimit të biletave të filmit.Abstract
Sekvencijalni poredak govora često je značajan u saslušanim dijalogima, a poredak promjena govora može dovesti do niskog kvaliteta i neslužnih razgovora. Smatramo informacije o redu kao ključni nadzorni signal za učenje dijaloga, koji su međutim zabranili mnogi prethodni dijalogski sistemi. Stoga, u ovom papiru, predstavljamo zadatak za samopouzdanje učenja, nepristojno otkrivanje naređenja, da bismo jasno uhvatili tok razgovora u dijalogu. S obzirom na tri puta uzorke, zadatak je da predvidimo da li je naređeno ili pogrešno naređeno. Onda predlažemo samopouzdanu mrežu SSN da izvrši predviđanje sa uzorkom trostrukim referencijama iz prethodne istorije dijaloga. Osim toga, mi dizajniramo zajednički okvir učenja gdje SSN može voditi dijalogske sisteme ka saskaņonijem i relevantnim učenjima dijaloga kroz neprijateljsku obuku. Pokazujemo da se predložene metode mogu primjenjivati na scenarije dialoga otvorenog domena i na cilju zadataka i ostvariti novi postupak umjetnosti na setima podataka o OpenSubtitiles i filmskim kartama.Abstract
Den sekventiella ordningsföljden av yttranden är ofta meningsfull i sammanhängande dialoger, och ordningsförändringar av yttranden kan leda till låg kvalitet och inkonsekventa samtal. Vi betraktar orderinformationen som en viktig övervakad signal för dialoginlärning, vilket dock har försummats av många tidigare dialogsystem. Därför introducerar vi i denna uppsats en självövervakad inlärningsuppgift, inkonsekvent orderdetektering, för att uttryckligen fånga samtalsflödet i dialoger. Med ett provtagningspar trippel är uppgiften att förutsäga om det är beställt eller felbeställt. Därefter föreslår vi ett samplingsbaserat självövervakat nätverk SSN för att utföra prognosen med samplingsbaserade trippelreferenser från tidigare dialoghistorik. Vidare utformar vi ett gemensamt lärramverk där SSN kan vägleda dialogsystemen mot mer sammanhängande och relevant dialoglärande genom motpartsutbildning. Vi visar att de föreslagna metoderna kan tillämpas på både öppna och uppgiftsorienterade dialogscenarier och uppnå den nya toppmoderna prestandan på OpenSubtitiles och Movie-Ticket Booking datauppsättningar.Abstract
Orodha ya maneno ya baadae mara nyingi inamaanisha katika mazungumzo ya pamoja, na amri ya mabadiliko ya maneno yanaweza kusababisha mazungumzo yasiyo na usawa na mazungumzo yasiyo ya kawaida. Tunaona taarifa za amri kama ishara muhimu ya kufuatiliwa kwa kujifunza mazungumzo, ambayo, hata hivyo, imeshapuuzwa na mfumo wa mazungumzo mengi uliopita. Kwa hiyo, katika gazeti hili, tunaanzisha jukumu la kujitazama kujifunza, kutambua amri zisizo na maana, kuelezea moja kwa moja mjadala wa mazungumzo katika mazungumzo. Kutokana na hotuba ya sampuli mbili mbili tatu, kazi ni kutabiri ikiwa imeamrishwa au hairuhusiwa. Kisha tunapendekeza mtandao wa SSN anayeishi sampuli yenyewe na utangazaji wa kujitazama ili kutekeleza utabiri huo kwa maoni matatu ya sampuli kutoka historia ya mazungumzo yaliyopita. Zaidi ya hayo, tunaunda mfumo wa kujifunza pamoja ambapo SSN anaweza kuongoza mfumo wa mazungumzo kuelekea mazungumzo yanayohusiana na kujifunza kupitia mafunzo ya upinzani. We demonstrate that the proposed methods can be applied to both open-domain and task-oriented dialogue scenarios, and achieve the new state-of-the-art performance on the OpenSubtitiles and Movie-Ticket Booking datasets.Abstract
பின்வரும் வார்த்தைகளின் வரிசையில் பெரும்பாலாக ஒருங்கிணைக்கப்பட்ட உரையாடல்களில் அர்த்தமுள்ளது மற்றும் சொல்லாத மாற்றங்கள் உரையாடல் கற்றுக்கான முக்கியமான பாதுகாப்பாக்கப்பட்ட சிக்கலாக நாம் வரிசையின் தகவலை கருதுகிறோம். ஆனாலும் முந்தைய உரையா ஆகையால், இந்த காகிதத்தில், நாம் ஒரு தானே கண்காணிக்கப்பட்ட கற்றுக்கொள்ளும் செயலை குறிப்பிடுகிறோம், முடியாத வரிசையை கண்டுபிடி மாதிரி பேச்சு இரண்டு மூன்று முறை கொடுத்தால், இது கட்டளையிடப்பட்டாலும் அல்லது தவறாக வரிசைப்படுத்தப்பட்டாலும் முந்தைய உரையாடல் வரலாற்றிலிருந்து மூன்று முறை குறிப்புகளை செய்து முன்னோட்டு உரையாடல் வரலாற்றில் இருந்து முன்னோட மேலும், நாம் ஒரு இணைய கற்றுக் கொள்ளும் சட்டத்தை வடிவமைக்கிறோம் அதில் எஸ்எஸ்எஸ்என் உரையாடல் முறைமைகளை மேலும் மேலும் இணையும் நாங்கள் முன்னோக்கப்பட்ட முறைமைகளை திறந்த டோமைன் மற்றும் பணி திறந்த உரையாடல் காட்சியிலும் பயன்படுத்த முடியும் என்பதை காட்டுகிறோம். மற்றும் திறந்த த துணைபAbstract
Sözleriň yzyndaky sözlerin sırasy kohereket dialoglarda aňsatlyk ýok bolup biler we sözlerin üýtgewleri azalyk we çykyş gürrüňleri bolup biler. Biz düzlük öwrenmesi üçin tertibleme maglumaty örän möhüm bir bejerilmiş sinyal diýip pikir edýäris. Şu şekilde, öňki dijalog sistemleri tarapyndan boýun gaýd edildi. Şol sebäpli, bu gazetede özüni gözlemýän öwrenme täbligini, düzgünlerde sohbet akyny a çmak üçin saýlaşýarys. Namaly bir sözläniň üç sany görä, işi düzenlenýäni ýa-da ýalňyş düzenlenýäni täze etmelidir. Sonra örnek tabanly özüne gözetlenmiş a ğ SSN'i öňki dialogdan üç sany çykarmak üçin önüne getirmek üçin teklif ediyoruz. Munuň üçin, SSN dijalog sistemalaryny näbirleşik we möhüm dijalog öwrenmesini terjime edip biljekdigi bir öwrenmek framsyny tasarlarýarys. Biz teklip eden yöntemleriň açyk-domeny we işe görnüş dialogy senaryýasyna uygulanabilir we OpenSubtitiles we Film-etiket baglanyşynyň täze durumyny ýetip bileris.Abstract
کلمات کی سفارشی سفارش اغلب تعلق کی باتوں میں مطلب ہے، اور کلمات کی سفارش کے بدلنے کی سفارش کم کیفیت اور بغیر مختلف باتوں کی طرف لے سکتی ہے. ہم نے سفارش کی اطلاعات کو ایک ضروری سیگنل بنایا ہے جو دیالوگ کی تعلیم کے لئے بہت سے پہلے دیالوگ سیسٹم سے غفلت کی گئی ہے۔ لہٰذا، ہم اس کاغذ میں ایک خود نظارت کی تعلیم کا کام پیش کریں گے، غیر قابل تعلیم کا اظہار کریں، تاکہ صحبت کی جریان صاف صاف صاف صاف طور پر پکڑیں۔ ایک نمونہ کی بات کا جوڑا تین دفعہ دیا گیا ہے، اس کا کام یہ ہے کہ اس کا حکم کیا گیا ہے یا غلط حکم دیا گیا ہے اس کے بعد ہم ایک نمونہ بنیاد رکھنے والی self-supervised network SSN کو پیش بینی کرنے کے لئے پیش بینی کرنے کے لئے پیش بینی کے ساتھ پیش بینی کرنے کے لئے پیش بینی کریں گے۔ اور اس کے علاوہ ہم ایک مشترک سیکھنے کا فرم طراحی کر رہے ہیں جہاں SSN اس طرح صحبت کی سیستموں کو زیادہ مشترک اور مشترک صحبت کی تعلیم کے ذریعہ سیکھ سکتا ہے. ہم دکھاتے ہیں کہ پیشنهاد کی طریقے کھولی ہوئی ڈومین اور تابع کی طریقے کی دیالوگ سیناریوں پر لازم کر سکتے ہیں، اور OpenSubtitiles اور فیلم-ٹیکٹ بوکینگ ڈیٹ سٹوں پر نوی حالت-آرت کی عملکرد پہنچ سکتے ہیں.Abstract
Keyingi so'zlar tartibi odatda bir necha muloqat oynalarda muhim, va so'zlarning tartib o'zgarishlarini kamaytirish va muvaffaqiyatlarni o'zgartirish mumkin. Biz muloqat o'rganish uchun muloqat o'rganish muhim imkoniyatini o'ylaymiz. Ammo, bu bir necha avval muloqat tizimlari orqali yo'qotgan. Shunday qilib, bu qogʻozda, biz muloqat oynalarda o'rganish vazifasini aniqlashni o'rganamiz. @ info: whatsthis Keyin biz bir misol muloqat tarixidan oldingi muloqat tarixidagi uchta parametrlarni bajarish uchun tasavvur qilamiz. Ko'rsatganda, biz SSN muloqat tizimlarini qo'yish va muhim muloqat tizimlariga o'rganish mumkin. We demonstrate that the proposed methods can be applied to both open-domain and task-oriented dialogue scenarios, and achieve the new state-of-the-art performance on the OpenSubtitiles and Movie-Ticket Booking datasets.Abstract
Trình tự sắp xếp của lời nói thường có ý nghĩa trong các cuộc đối thoại liên quan, và các thay đổi trật tự của lời nói có thể dẫn đến các cuộc nói chất lượng thấp và không liên quan. Chúng tôi xem thông tin về trật tự như một tín hiệu thiết yếu giám sát để học thoại, mà, tuy nhiên, đã bị bỏ qua bởi nhiều hệ thống đối thoại trước. Vì vậy, trong tờ giấy này, chúng tôi giới thiệu một nhiệm vụ học tập giám sát bản thân, việc tìm ra lệnh không khớp, để ghi rõ dòng chảy cuộc đối thoại trong các cuộc thoại. Dựa vào một cặp phát ngôn ba lần thử, nhiệm vụ là dự đoán nó được đặt hàng hay sai đặt. Sau đó chúng tôi đề nghị một mạng lưới tự giám sát lấy mẫu để thực hiện dự đoán với số triệu chứng từ lịch sử cuộc đối thoại trước. Hơn nữa, chúng tôi thiết kế một cơ sở học chung để SSN có thể hướng dẫn các hệ thống đối thoại về việc học tập hợp tác và liên quan bằng giáo dục đối thủ. Chúng tôi chứng minh rằng phương pháp được áp dụng cho các kịch bản đối thoại mở và hướng dẫn nhiệm vụ, và đạt được thành quả tuyệt vời mới trên các tập tin Sổ tay OpenSubti và Movie-Vé.Abstract
语次于连贯之对常有义,语之次变,或致低质量不连贯之对。 余辈以订单信为言学之要,然诸前所对皆略此。 是以本文引入一种自督学,即不一般次第检测,以明会话流。 给定一采样之语对三元组,占其有序也。 然后立采样自督网络SSN,以用前对史中采样三重引而占之。 设一合学框架,SSN可对抗性培训引对弥贯。 吾证其法可施于开域、向任之对,而于OpenSubtitiles、电影票预订数集上最先进之新性能。- Anthology ID:
- P19-1375
- Volume:
- Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics
- Month:
- July
- Year:
- 2019
- Address:
- Florence, Italy
- Venue:
- ACL
- SIG:
- Publisher:
- Association for Computational Linguistics
- Note:
- Pages:
- 3857–3867
- Language:
- URL:
- https://aclanthology.org/P19-1375
- DOI:
- 10.18653/v1/P19-1375
- Bibkey:
- Cite (ACL):
- Jiawei Wu, Xin Wang, and William Yang Wang. 2019. Self-Supervised Dialogue Learning. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 3857–3867, Florence, Italy. Association for Computational Linguistics.
- Cite (Informal):
- Self-Supervised Dialogue Learning (Wu et al., ACL 2019)
- Copy Citation:
- PDF:
- https://aclanthology.org/P19-1375.pdf
- Terminologies:
Export citation
@inproceedings{wu-etal-2019-self,
title = "Self-Supervised Dialogue Learning",
author = "Wu, Jiawei and
Wang, Xin and
Wang, William Yang",
booktitle = "Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics",
month = jul,
year = "2019",
address = "Florence, Italy",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/P19-1375",
doi = "10.18653/v1/P19-1375",
pages = "3857--3867",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="wu-etal-2019-self">
<titleInfo>
<title>Self-Supervised Dialogue Learning</title>
</titleInfo>
<name type="personal">
<namePart type="given">Jiawei</namePart>
<namePart type="family">Wu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Xin</namePart>
<namePart type="family">Wang</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">William</namePart>
<namePart type="given">Yang</namePart>
<namePart type="family">Wang</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2019-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<relatedItem type="host">
<titleInfo>
<title>Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics</title>
</titleInfo>
<originInfo>
<publisher>Association for Computational Linguistics</publisher>
<place>
<placeTerm type="text">Florence, Italy</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<identifier type="citekey">wu-etal-2019-self</identifier>
<identifier type="doi">10.18653/v1/P19-1375</identifier>
<location>
<url>https://aclanthology.org/P19-1375</url>
</location>
<part>
<date>2019-07</date>
<extent unit="page">
<start>3857</start>
<end>3867</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings %T Self-Supervised Dialogue Learning %A Wu, Jiawei %A Wang, Xin %A Wang, William Yang %S Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics %D 2019 %8 July %I Association for Computational Linguistics %C Florence, Italy %F wu-etal-2019-self %R 10.18653/v1/P19-1375 %U https://aclanthology.org/P19-1375 %U https://doi.org/10.18653/v1/P19-1375 %P 3857-3867
Markdown (Informal)
[Self-Supervised Dialogue Learning](https://aclanthology.org/P19-1375) (Wu et al., ACL 2019)
- Self-Supervised Dialogue Learning (Wu et al., ACL 2019)
ACL
- Jiawei Wu, Xin Wang, and William Yang Wang. 2019. Self-Supervised Dialogue Learning. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 3857–3867, Florence, Italy. Association for Computational Linguistics.