Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Luận Văn - Báo Cáo
Báo cáo khoa học
Báo cáo khoa học: "Learning to Adapt to Unknown Users: Referring Expression Generation in Spoken Dialogue Systems"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Learning to Adapt to Unknown Users: Referring Expression Generation in Spoken Dialogue Systems"
Ngọc Hải
65
10
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
We present a data-driven approach to learn user-adaptive referring expression generation (REG) policies for spoken dialogue systems. Referring expressions can be difficult to understand in technical domains where users may not know the technical ‘jargon’ names of the domain entities. In such cases, dialogue systems must be able to model the user’s (lexical) domain knowledge and use appropriate referring expressions. | Learning to Adapt to Unknown Users Referring Expression Generation in Spoken Dialogue Systems Srinivasan Janarthanam School of Informatics University of Edinburgh s.janarthanam@ed.ac.uk Oliver Lemon Interaction Lab Mathematics and Computer Science MACS Heriot-Watt University o.lemon@hw.ac.uk Abstract We present a data-driven approach to learn user-adaptive referring expression generation REG policies for spoken dialogue systems. Referring expressions can be difficult to understand in technical domains where users may not know the technical jargon names of the domain entities. In such cases dialogue systems must be able to model the user s lexical domain knowledge and use appropriate referring expressions. We present a reinforcement learning RL framework in which the system learns REG policies which can adapt to unknown users online. Furthermore unlike supervised learning methods which require a large corpus of expert adaptive behaviour to train on we show that effective adaptive policies can be learned from a small dialogue corpus of non-adaptive human-machine interaction by using a RL framework and a statistical user simulation. We show that in comparison to adaptive hand-coded baseline policies the learned policy performs significantly better with an 18.6 average increase in adaptation accuracy. The best learned policy also takes less dialogue time average 1.07 min less than the best hand-coded policy. This is because the learned policies can adapt online to changing evidence about the user s domain expertise. 1 Introduction We present a reinforcement learning Sutton and Barto 1998 framework to learn user-adaptive referring expression generation policies from data-driven user simulations. A user-adaptive REG policy allows the system to choose appropriate expressions to refer to domain entities in a dialogue Jargon Please plug one end of the broadband cable into the broadband filter. Descriptive Please plug one end of the thin white cable with grey ends into the .
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "Learning Condensed Feature Representations from Large Unsupervised Data Sets for Supervised Learning"
Báo cáo khoa học: "Learning Better Data Representation using Inference-Driven Metric Learning"
Báo cáo khoa học: "A Combination of Active Learning and Semi-supervised Learning Starting with Positive and Unlabeled Examples for Word Sense Disambiguation: An Empirical Study on Japanese Web Search Query"
B.A Thesis: English major students’ difficulties and expectations in learning written translation at Dong Thap university
Báo cáo đề tài nghiên cứu khoa học cấp trường: Áp dụng mô hình học tập Blended Learning trong giảng dạy học phần Basic IELTS 1 cho sinh viên theo chương trình đào tạo chất lượng cao năm thứ nhất trường Đại học Thương mại
Báo cáo đề tài nghiên cứu khoa học cấp trường: Nâng cao động lực học tiếng Anh cho sinh viên thông qua phương pháp học theo dự án (project-based learning)
Báo cáo đề tài nghiên cứu khoa học cấp trường: Nghiên cứu một số thuật toán học máy (machine learning) ứng dụng cho bài toán xác định các chủ đề quan tâm của khách hàng trực tuyến
Báo cáo khoa học: "Applications of GPC Rules and Character Structures in Games for Learning Chinese Characters"
Báo cáo khoa học: "Learning and Translating by Machines"
Báo cáo khoa học: "Discriminative Learning for Joint Template Filling"
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.