AARGH! End-to-end Retrieval-Generation for Task-Oriented Dialog

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3A10457050" target="_blank" >RIV/00216208:11320/22:10457050 - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2022.sigdial-1.29/" target="_blank" >https://aclanthology.org/2022.sigdial-1.29/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

AARGH! End-to-end Retrieval-Generation for Task-Oriented Dialog

Popis výsledku v původním jazyce

We introduce AARGH, an end-to-end task-oriented dialog system combining retrieval and generative approaches in a single model, aiming at improving dialog management and lexical diversity of outputs. The model features a new response selection method based on an action-aware training objective and a simplified single-encoder retrieval architecture which allow us to build an end-to-end retrieval-enhanced generation model where retrieval and generation share most of the parameters. On the MultiWOZ dataset, we show that our approach produces more diverse outputs while maintaining or improving state tracking and context-to-response generation performance, compared to state-of-the-art baselines.

Název v anglickém jazyce

AARGH! End-to-end Retrieval-Generation for Task-Oriented Dialog

Popis výsledku anglicky

We introduce AARGH, an end-to-end task-oriented dialog system combining retrieval and generative approaches in a single model, aiming at improving dialog management and lexical diversity of outputs. The model features a new response selection method based on an action-aware training objective and a simplified single-encoder retrieval architecture which allow us to build an end-to-end retrieval-enhanced generation model where retrieval and generation share most of the parameters. On the MultiWOZ dataset, we show that our approach produces more diverse outputs while maintaining or improving state tracking and context-to-response generation performance, compared to state-of-the-art baselines.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 23rd Annual Meeting of the Special Interest Group on Discourse and Dialogue

ISBN

978-1-955917-66-7

ISSN

—

e-ISSN

—

Počet stran výsledku

15

Strana od-do

283-297

Název nakladatele

Association for Computational Linguistics

Místo vydání

Stroudsburgh, PA, USA

Místo konání akce

Edinburgh, UK

Datum konání akce

7. 9. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—