Technical Infrastructure for Rapid Construction of Controllable Conversational AI

快速构建可控对话式人工智能的技术基础设施

• 批准号: 22K12039
• 负责人: 若林 啓
• 金额: $ 2.66万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12039/
• 关键词: 対話システム; 制御可能性; 大規模言語モデル; 能動学習; クラウドソーシング; 汎用言語モデル; シナリオデータベース

(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．

(1) words シ seaborne ナ リ オ デ ー タ ベ ー ス の company, high-speed filling technique と し て, much wrist バ ン デ ィ ッ ト problem と active learning の 枠 group み を fusion し た optimum 応 発 words 収 set design gimmick の と line be loaded を っ た. Proposal は, rote learning に よ る speech understanding モ デ ル の confidence level に base づ い て, want to be decided な ユ ー ザ が most も 発 words to think さ れ る scene を presumption し, when the の scene の ユ ー ザ 発 words を key に 収 set す る こ と で, words AI の build を seaborne sharper rate change す る. Existing の デ ー タ セ ッ ト を with い て reserve be 験 を い, proposal gimmick が speech understanding モ デ ル の precision を よ り に sharper rates upward さ せ る こ と が で き る こ と を part に confirm し た. ま た, こ の 枠 group み の で in mass speech モ デ ル に よ る generated を 発 words using す る gimmick に つ い て, DialoGPT を with い た reserve of な be 験 を い, more な る sharper rate change を be presently で き る see tong し を た. (2) words シ seaborne ナ リ オ で answer で き な い occasions の 発 words formed と し て, あ ら か じ め generated さ れ た swelled な quantity の 発 words テ キ ス ト を classification 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 line be loaded を っ た. Proposal は, ト ピ ッ ク モ デ ル が automatic に テ キ ス ト を グ ル ー プ change し て generated し た ト ピ ッ ク に し seaborne て, analysts が キ ー フ レ ー ズ に base づ く フ ィ ー ド バ ッ ク を and え る こ と に よ り, analysts の meaning 図 を に sharper rates reflect し て ト ピ ッ ク を again plait す る. シ ミ ュ レ ー シ ョ ン be 験 に よ り, proposal gimmick を with い る こ と で purpose に close わ せ た ト ピ ッ ク classification を よ り に line of the working rate え る こ と を shown し た. <s:1> research results を Journal of Papers 1 editor にまとめて report た た. ま た, existing の speech understanding モ デ ル が, training デ ー タ に な い unknown エ ン テ ィ テ ィ の know に failure し や す い こ と に mesh し, wen の compose text structure を グ ラ フ ニ ュ ー ラ ル ネ ッ ト ワ ー ク に よ り consider す る こ と で, unknown エ ン テ ィ テ ィ の meet performance を upward さ せ る technique proposed を し た. Youdaoplaceholder3 research results をまとめた paper を international conference に submission in である.

项目成果

Keyphrase-based Refinement Functions for Efficient Improvement on Document-Topic Association in Human-in-the-Loop Topic Models

基于关键词的细化函数，可有效改进人在环主题模型中的文档主题关联

• 发表时间: 2023
• 期刊: 情報処理学会論文誌データベース（TOD）
• 作者: Muhammad Haseeb UR Rehman Khan;Kei Wakabayashi
• 通讯作者: Kei Wakabayashi

動作を表す言語を生成する深層学習における共同注意の有効性

深度学习中联合注意力生成代表动作的语言的有效性

• 发表时间: 2023
• 作者: 小田倉 史麿;若林 啓
• 通讯作者: 若林 啓