[論文レビュー] Discourse Coherence, Reference Grounding and Goal Oriented Dialogue

Baber Khalid, Malihe Alikhani+3 more|arXiv (Cornell University)|Jul 8, 2020

Speech and dialogue systems参考文献 35被引用数 4

ひとこと要約

本稿では、話者のコミットメントの知識グラフと話法構造を用いて、従来の計画認識に依存しない、一貫性に基づく対話システムを提示する。強化学習を用いて明確化および選択戦略を最適化することで、人間-ロボット対話における耐障害性と柔軟性が向上し、結果として、高い信頼度レベルで明確化要求が66.7%増加した。これは、より高い不確実性閾値で学習した場合の結果である。

ABSTRACT

Prior approaches to realizing mixed-initiative human--computer referential communication have adopted information-state or collaborative problem-solving approaches. In this paper, we argue for a new approach, inspired by coherence-based models of discourse such as SDRT \cite{asher-lascarides:2003a}, in which utterances attach to an evolving discourse structure and the associated knowledge graph of speaker commitments serves as an interface to real-world reasoning and conversational strategy. As first steps towards implementing the approach, we describe a simple dialogue system in a referential communication domain that accumulates constraints across discourse, interprets them using a learned probabilistic model, and plans clarification using reinforcement learning.

研究の動機と目的

• 明確な計画認識に依存しない、スケーラブルで一貫性に基づく混合意思決定型対話フレームワークの開発。
• SDRTにインspiredされた一貫性関係を用いて、コミットメントの進化する構造として話法をモデル化し、発話の包括的解釈を可能にする。
• 確率的意味解釈と強化学習を統合し、適応的な明確化および選択戦略を実現する。
• クラウドソーシングを用いた人間参加者による参照的コミュニケーションタスクを通じて、システムの性能を評価する。
• 自己教師あり学習および強化学習手法が、柔軟で目的志向型対話システムの構築にどのように寄与できるかを検討する。

提案手法

• システムはSDRTに基づく話法表現構造を用い、発話が進化するコミットメントと一貫性関係のグラフに接続される。
• 意味解釈は、発話を視覚的参照対象に関する制約にマッピングする学習済み確率的モデルによって実行される。
• 強化学習エージェントは、参照対象同定の信頼度に基づいて、選択または明確化要求のための対話方策を学習する。
• 報酬は明確化と選択のバランスを取るために設計され、CICデータセットから抽出されたシミュレートされた人間対話に基づいて方策を学習する。
• システムは信頼度閾値（例：P_x = 0.4 と 0.7）に応じて動的に行動を調整し、明確化と選択のトレードオフを制御する。
• 話者のコミットメントの知識グラフが対話の各ターンにわたり維持・更新され、相互理解や目標進行の推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 SDRT風の構造による一貫性モデリングは、対話システムにおける計画ベースのモデルの代替としてスケーラブルに機能するか？
• RQ2 学習済み確率的モデルは、文脈に応じて発話を解釈し、参照対象に関する制約を生成できるか？
• RQ3 強化学習は、参照的コミュニケーションにおける明確化および選択戦略をどの程度最適化できるか？
• RQ4 信頼度閾値（P_x）を変化させることで、明確化と選択のバランスにどのような影響が生じるか？
• RQ5 一貫性に基づくアーキテクチャは、システムがディレクターまたはマッチャーとして機能できる混合意思決定型対話に対応できるか？

主な発見

• 高い信頼度閾値（P_x = 0.7）で学習したモデルは、信頼度が≥0.8の状態で、66.7%も明確化要求を多く行った。これは、明確化行動に対する効果的な制御を示している。
• 高信頼度レベルでは、P_x = 0.7モデルはP_x = 0.4モデルと比較して、色パッチの選択頻度を5.5%低く抑え、明確化と選択の意図的なトレードオフを確認した。
• システムは、明確化による調整や段階的参照を含む、自然な人間の対話パターンを参照的コミュニケーションタスクで捉えることに成功した。
• 強化学習により、対話行動や遷移の明示的モデリングなしに、適応的戦略を学習できるようになった。
• 一貫性のある話法構造を通じて、代名詞的参照や、合意・部分的合意・不一致の混合状態を扱える。
• クラウドワーカーによる予備的結果から、システムは現実世界の対話シナリオにおいて柔軟で耐障害的かつ目的志向的な対話を支援できる可能性を示している。