NeurIPS2018読み会@PFN Dialog-to-Action: Conversational Question Answering Over a Large-Scale Knowledge Base

Transcript

1. NeurIPS2018読み会@PFN Dialog-to-Action: Conversational Question Answering Over a Large-Scale Knowledge Base 木村　優志 Convergence Lab.
2. 自己紹介 木村　優志 Convergence Lab. 代表 https://www.converngece-lab.com 博士（工学） Aidemyとか手伝っています
3. 紹介する論文 D. Guo, D. Tang, N. Duan, M. Zhou, and J. Yin,　 “Dialog-to-Action: Conversational Question Answering Over a Large-Scale Knowledge Base.” 著者らの所属： 中山大学 ビッグデータアンドコンピューターサイエンス広東省キーラボラトリー マイクロソフトリサーチアジア
4. この論文のおもしろいところ • 知識ベースを利用した対話履歴を考慮した複数ターンの対話の実現 • ディープラーニングとロジックのいいとこ取りする • ネットワークはとてもシンプル
5. どんな発表？ 大量のナレッジベースを用いた複数ターンのオープンドメイン対話型質問応答に関する 研究 従来法である、メモリーネットワーク＋エンコーダーデコーダー(KVMemN2N+HRED) のモデルに大きな差をつけて改善した。
6. どんな問題？
7. どうやって解決したか？ • 対話文から生成文法の論理形式を推測 ◦ 予めあたえるゆるい文法を利用する • 対話でよく起こる「省略現象」に対応するために、対話記憶を利用 • アクションのシーケンスをML学習
8. 用語 エンティティ：　 質問と回答のこと タグ：過去の質問、過去の回答、現在の質問、のこと
9. 与える生成文法と論理形式
10. Dialog-to-Action のネットワーク構成 エンコーダー 文法ガイド付きデ コーダー 対話記憶
11. エンコーダー 普通の双方向GRU tag: Previous Question, Previous Answer, Current Question
12. 文法ガイド付きデコーダー 普通のアテンションGRU
13. 対話記憶
14. 対話記憶とデコーダの連携 Instantiation: エンティティの生成 Replication: 過去の行動の複製 の２つをつかって、対話記憶とデコーダを連携させる
15. Instantiation p(e|a, x): デコーダが出力するエンティティの確率 pg(g|a, x): あるタグ g の確率 pe(e|g,a x): あるタグ g の エンティティの確率分布
16. Replication
17. 目的関数 アクション系列、instantiation, replicationの負の近似周辺対数尤度をロスにする ：ディラックのデルタ。 at をinstantiation したなら 1、それ以外は 0 ：同上。 at を replication したなら 1、それ以外は 0 推論時はビームサーチを利用
18. 実験結果 CSQAデータ・セット
19. 対話記憶の効果
20. ディスカッション • 今回のモデルはエンティティ間の関連を扱っていない。 ナレッジグラフの利用に可 能性がある • 偽の論理式をフィルタリングする必要がある • 誤った過去の回答のreplicationによってエラーが伝搬する • サポートされていないアクションをどうするか