Profile   Research   Publications   Tutorials            

第1回読み会

参加者: 駒谷, 武田(阪大), Neubig, 水上, 杉山(NAIST), 森, 井上, 吉野(京大)
日　時: 2014年11月01日 14:00--18:00
場　所: 大阪大学 吹田キャンパス 産業科学研究所 (大阪府茨木市美穂ヶ丘8-1)


以下にあるコメントなどは吉野の個人的なメモです。

Word-Based Dialog State Tracking with Recurrent Neural Networks (吉野)

• SIGDIAL 2014, Dialog State Tracking Challenge で２位（L2では最高精度）
• 資料
• 対話制御のBelief Updateに相当する部分をRNNに置き換え（ASRの認識結果をそのまま使う）
• 単語を直接入力としたNNを作る
• StateやValueを抽象化して未観測状態に対応するNNを作っている
• Auto encoderでnoise reductionをしている
• Baseline SLUを入力とする場合よりASRの結果を入力とする方が精度が高い

Resolving Referring Expressions in Conversational Dialogs for Natural User Interfaces (吉野)

• EMNLP 2014
• スマートフォンなどの画面を持つ対話システムを想定して、画面上のオブジェクトのうちユーザがどれを支持したかを解決する
• 画面上に6x1, 6x2, 6x3いずれかのリストを表示して見たい対象を支持してもらう
• ユーザの支持は"Referential"と"Locational"に分かれ、それぞれを解くための素性を用意する
• Gradient Boosted Decision Treeで最高精度、ExplicitなLocationalはそこそこ解けたがImplicitなLocational（著者Aの2番目の本、など）はかなり難しい
• ドメイン適応性も確かめている

Inverse Reinforcement Learning for Micro-Turn Management (井上)

• INTERSPEECH 2014
• 資料
• Micro-Turn Management (約100msec単位でのターン管理)における強化学習（マルコフ決定過程）
• 報酬関数 (Reward function) を逆強化学習により獲得
• Supervised classification (割引係数=0の場合) に比べて，交差検定での政策(Policy)の対数尤度が向上
• 生成された政策を例示

Evaluating a Spoken Dialogue System that Detects and Adapts to User Affective States (水上)

• SIGDIAL 2014
• 資料
• 授業を教えるようなエージェントの振る舞いとユーザ側の性差の話
• ユーザのdisengagement（諦めみたいな感じ）とuncertainty（◯◯？みたいな不確かな確認）にどう行動するか
• 男性はdisengagementに対応するのがよい、女性はuncertaintyに対応するのがよい（disengagementに対応するとむしろ下がる）
• データが少し少ないので本当にそう言えるかは微妙

Sequence to Sequence Learning with Neural Networks (Neubig)

• NIPS 2014
• 資料
• 系列を入力として系列を出力するRNN
• 機械翻訳で使う場合は対訳のどちらかを逆順にする（逆に言えば順序は揃っていた方がよい）
• 今回は機械翻訳タスクでやっているが他のタスクでも使えそう
• 機械翻訳の共通タスクでかなり上位に食い込める

Discovering Latent Structure in Task-Oriented Dialogue (Neubig)

• ACL 2014
• 著者の資料
• バス案内対話の対話構造を潜在変数によってモデル化
• オリジナルな手法の論文は別にあるので、対話に適用すればそうなるよねーという感じ

Link

KAWAHARA Laboratory Top Page
KAWAHARA Laboratory Members Page
Koichiro Yoshino Top Page