Technical Infrastructure for Rapid Construction of Controllable Conversational AI

点击翻译按钮获取中文摘要

(1) 対話シナリオデータベースの高速拡充手法として，多腕バンディット問題と能動学習の枠組みを融合した適応的発話収集手法の設計と実装を行った．提案手法は，機械学習による言語理解モデルの確信度に基づいて，想定外なユーザ発話が最も予想される場面を推定し，当該の場面のユーザ発話を重点的に収集することで，対話AIの構築を効率化する．既存のデータセットを用いて予備実験を行い，提案手法が言語理解モデルの精度をより効率的に向上させることができることを部分的に確認した．また，この枠組みの中で大規模言語モデルによる生成発話を利用する手法について，DialoGPTを用いた予備的な実験を行い，更なる効率化を実現できる見通しを得た．(2) 対話シナリオで回答できない場合の発話生成手法として，あらかじめ生成された膨大な量の発話テキストを分類するためのヒューマン・イン・ザ・ループ・トピックモデリングの実装を行った．提案手法は，トピックモデルが自動的にテキストをグループ化して生成したトピックに対して，分析者がキーフレーズに基づくフィードバックを与えることにより，分析者の意図を効率的に反映してトピックを再編成する．シミュレーション実験により，提案手法を用いることで目的に合わせたトピック分類をより効率的に行えることを示した．この研究成果を論文誌論文1編にまとめて報告した．また，既存の言語理解モデルが，訓練データにない未知エンティティの認識に失敗しやすいことに着目し，文の構文構造をグラフニューラルネットワークにより考慮することで，未知エンティティの認識性能を向上させる手法を提案した．この研究成果をまとめた論文を国際会議に投稿中である．