[論文レビュー] Exploring Conversational Language Generation for Rich Content about Hotels

Marilyn Walker, Albry Smither+3 more|arXiv (Cornell University)|May 1, 2018

Topic Modeling参考文献 10被引用数 4

ひとこと要約

本稿では、ホテルの説明に一般的に見られる豊富な構造的コンテンツを用いて、自然で会話的な言語を生成するフレームワークを提案する。自発的対話、意味表現に基づく生成、クラウドソーシングによる対話の3種類の対話データを収集・分析することで、形式的な文章による説明と会話的言語との間の重要なスタイル的差異を特定し、ホテル対話システムにおける自然言語生成および検索の向上を可能にする。

ABSTRACT

Dialogue systems for hotel and tourist information have typically simplified the richness of the domain, focusing system utterances on only a few selected attributes such as price, location and type of rooms. However, much more content is typically available for hotels, often as many as 50 distinct instantiated attributes for an individual entity. New methods are needed to use this content to generate natural dialogues for hotel information, and in general for any domain with such rich complex content. We describe three experiments aimed at collecting data that can inform an NLG for hotels dialogues, and show, not surprisingly, that the sentences in the original written hotel descriptions provided on webpages for each hotel are stylistically not a very good match for conversational interaction. We quantify the stylistic features that characterize the differences between the original textual data and the collected dialogic data. We plan to use these in stylistic models for generation, and for scoring retrieved utterances for use in hotel dialogues

研究の動機と目的

• 価格や場所といった基本的な属性を超えて、豊富なホテルコンテンツについて会話的対話エージェントが議論できないというギャップに対処すること。
• ホテル対話システムにおける自然な会話的言語と形式的な文章的説明との間のスタイル的差異を調査すること。
• 複雑なホテル情報向けの自然言語生成モデルの設計に役立てるために、多様な対話データを収集・分析すること。
• 複数ターンのホテル対話における適切な発話の選択に役立てるスタイルモデルおよびスコアリング関数を開発すること。
• 研究およびモデル訓練のための公開可能なコーパスを提供すること。

提案手法

• 3つのデータ収集実験を実施：自発的対話生成、意味表現に基づく発話生成、クラウドソーシングによる複数ターン対話。
• LIWCなどの言語的分析ツールを用いて、個人代名詞、社会的プロセス、現在焦点などの特徴に注目し、データセット間のスタイル的差を定量化する。
• 元のInfoBox説明（ORIG）と生成された発話（PARA）、統合された発話（PROP+ROOM）、対話的発話（DIAL）を比較し、スタイル的乖離を特定する。
• 自発的対話データに顕著に見られる、個人代名詞や社会的プロセスの使用頻度の高い特徴を同定し、会話的言語と記述的言語の違いを明確にする。
• 特定された言語的特徴を用いて「会話的スタイルランカー」を訓練し、文脈的に適切な発話を検索する。
• 収集した発話をテンプレート化し、対話システムにおける文脈に配慮した検索のためのインデックス化を計画する。

実験結果

リサーチクエスチョン

• RQ1 ホテルの説明文における言語的スタイルは、ホテル対話における自然な会話的発話とどのように異なるか？
• RQ2 どのデータ収集手法がホテル対話システム向けに最も自然で文脈的に適切な発話を生み出すか？
• RQ3 ホテル分野における会話的言語と形式的な文章的説明とを区別する具体的なスタイル的特徴は何か？
• RQ4 スタイル的特徴を用いて、対話システム向けに高品質で文脈的に関連性の高い発話をランク付けまたは検索するモデルを訓練できるか？
• RQ5 豊富で構造化されたホテルコンテンツを、滑らかで自然かつ文脈に敏感な対話の発話に効果的に変換する方法は何か？

主な発見

• 元の文章的ホテル説明（ORIG）は、自発的対話データ（DIAL）と比較して、個人代名詞の使用頻度（0.06）と社会的プロセスの使用頻度（4.81）が著しく低い。DIALではそれぞれ10.17および14.66を示している。
• DIAL条件は、現在焦点（14.4）および社会的プロセス（14.66）の両方において、自然な会話に最も近いスタイル的特徴を示しており、自然な対話との整合性が強い。
• PARAおよびPROP+ROOM条件は中間的なスタイル的特徴を示し、ORIGよりは個人代名詞の使用頻度が高いがDIALほどではないため、会話的スタイルへの一部の適合が見られる。
• 自発的対話収集は最も自然な発話を生み出したが、コストが最も高く、直接再利用に課題を伴った。
• 意味表現からの生成は高品質な発話を生み出したが、文脈への感受性に欠け、文脈に配慮した精練の必要性を示唆した。
• 収集したデータのコーパス（複数のスタイルおよび条件をカバー）は、nlds.soe.ucsc.edu/hotels で公開されており、研究およびモデル訓練に利用可能である。