- …
- …
#32 #emnlp2019
summarized by : Katsuya Shimabukuro
概要
Knowledge Baseを用いたマルチターンの対話システムによる推薦のタスクにおいて、End2Endでアイテムをおすすめする文の生成を行う新しい手法を提案。レコメンドの性能および対話システムの性能、いずれにおいてもベースラインを上回る性能を示した。
新規性
ベースラインのEnd2Endなシステムは、対話生成とレコメンド処理が別々に動作していたが、提案手法では処理途中で相互に情報を受け渡すようにする。また、ベースラインでは通常のRNNベースだったものをTransformerベースに変更した。
結果
REDIALデータセットで検証し、レコメンドの性能でベースラインおよび提案手法から情報のパスを一部削減した手法を上回る性能を示した。また、PPLおよびDistinct-Nで対話の応答生成を評価し、ベースラインを上回る性能を示した。
- …
- …