文献紹介[Zero-Shot Dialog Generation with Cross-Domain Latent Action]

長岡技術科学大学　自然言語処理研究室
学部3年　守谷　歩

Transcript

1. Zero-Shot Dialog Generation
   with Cross-Domain Latent
   Action
   2019/02/18
   長岡技術科学大学 自然言語処理研究室
   学部3年 守谷 歩
   

   View Slide

2. Literature
   ⚫“Zero-Shot Dialog Generation with Cross-Domain Latent Actions
   ⚫Tiancheng Zhao and Maxine Eskenazi
   ⚫Proceedings of the SIGDIAL 2018 Conference, pages 1–
   10,Melbourne, Australia, 12-14 July 2018.c©2018 Association for
   Computational Linguistics
   

   View Slide

3. Abstract
   ⚫E2E(End to End)のタスク型、非タスク型対話システムの強力なフ
   レームワークとしてダイアログ応答生成であるGEDM(Generatuce
   End- to-end Dialog Model)といったモデルがある。
   

   View Slide

4. Abstract
   ⚫GEDMの問題点として、大量の学習データを必要とする点がある
   ⚫GEDMをより柔軟にし、1つのモデルに対して同時に多くのドメイン
   の学習を行う（マルチタスク）
   ⚫データありの関連しているドメインから、データなしの新規のドメイ
   ンに情報を付与する(Zero-Shot)
   

   View Slide

5. Zero shot Dialog Generation(ZSDG)の設定
   ⚫対話コンテキストc,応答x,ドメインdとし、データを{c,x,d}とする。
   ⚫このZSDGモデルはc,dが与えられ、ｘを出力するように学習する。
   ⚫このモデルのゴールとして未知のターゲットドメインをソースドメイ
   ンに関連付けし,c*d→xを学習する。
   

   View Slide

6. Seed Response (SR)
   ⚫SR(d)をタプルとして定義する。
   ⚫各タプルはドメインに対して注釈がついている:{x,a,d}
   ⚫この時xは対話の例、aは注釈、dはドメインである
   

   View Slide

7. AM(Aciton Matching)アルゴリズム
   

   View Slide

8. ロス最適化
   ⚫ZからXへのロス関数Ldd（ドメインを入力としたもの）
   ⚫対話のロス関数Ldialog
   

   View Slide

9. 実験モデル詳細
   ⚫認識用ネットワークR:双方向GRU
   ⚫エンコーダFe:階層型リカレントLSTMエンコーダ（HRE)[Li et al 2015]
   ⚫デコーダFd:
   ⚫LSTM 注釈デコーダ
   ⚫LSTM PSM(Pointer-sentinel Mixture)デコーダ[Merity et al 2016]
   

   View Slide

10. LSTM PSMデコーダを使った実装
    

    View Slide

11. 学習のデータセット
    ⚫CMU Sim Dial: Simulated dataset
    ⚫Stanford Multi-domain Dialog(SMD) Dataset: Human-Woz dataset
    

    View Slide

12. 実験結果
    

    View Slide

13. 結果の測定と比較モデル
    ⚫BLEU-4:今回生成された応答～参照間のコーパスレベル
    ⚫Entity F1:生成された応答に正しいエンティティが付与されているか
    の確認
    ⚫Act F1:生成された応答が正しい動作をするかどうか
    ⚫KB F1:生成されたAPIに正しいトークンが含まれているかの確認
    ⚫BEAK:上記4つの相乗平均:BEAK=(bleu*ent*act*kb)^(1/4)
    ⚫BE(for SMD) BE=(bleu*ent)^(1/2)
    

    View Slide

14. 結果からの分析
    

    View Slide

15. 結果からの分析 SR
    

    View Slide

16. Conclusion
    ⚫対話生成システムに対する手法としてZSDGを提案した。
    ⚫また、対話情報の共有がレベル的にパターンを持つといった仮定
    の下、SRを持つAMアルゴリズムの提案を行った。
    ⚫これらのアルゴリズムは、合成されたデータセットや実際のデータ
    セットの両方での有用性が確認された。
    

    View Slide