| 研究課題/領域番号 |
19K20345
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
康 シン 徳島大学, 大学院社会産業理工学研究部(理工学域), 助教 (80777350)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 対話生成 / 対話完成程度 / 対話完成効率 / 対話ユーザー満足度 / long-vision conversation / dialogue topic tagging / neuro-symbolic AI / DialogQuality Evaluation / response generation / language ability / self-concept identifying / strategic conversation |
|---|
| 研究開始時の研究の概要 |
The purpose of this research plan is to learn conversation agents from scratch for generating long-vision responses. Three strategic communication games will be designed to provide an evolving environment for the conversation agents to progressively learn the conversation abilities through deep reinforcement learning. Specifically, the conversation agents will learn the language ability through Game I, the self-concept identification ability though Game II, and the strategic conversation ability through Game III, to finally make sequential decisions reasonably in a multi-round communication.
|
| 研究成果の概要 |
対話システムは自然言語に基づく知能ヒューマンマシンインターフェイス分野研究であり，現在スマート製品や自動運転等の知能サービスに活用されている．従来の対話システムは発話理解，対話状態更新，発話選択と発話生成４つの独立なモジュールで構築され，モジュール間に学習誤差の伝播が難しいし，予測誤差がモジュールごとに増やされてしまい，システム改善は困難である．本研究はエンドツーエンド深層学習に基づく，話題知識主導のマルチターン対話システム技術を目標として，対話文から話題知識抽出，対話文品質評価と敵対的生成学習を用いた高品質文生成手法を提案し，知識に基づく医療介護現場対話システムを確立した．
|
| 研究成果の学術的意義や社会的意義 |
モジュール連結に基づく対話システムにより，本研究はモジュール機能をエンドツーエンド深層学習に統合して，話題知識抽出，対話分品質評価と敵対的生成学習を用いて，マルチターン対話のタスク完成程度，完成効率とユーザー満足度を向上し，対話を用いた知能ヒューマンマシンインターフェイス技術を構築する上に，スマート製品におけるユーザー体験や学習コストの改善や医療介護支援ロボット開発の推進を期待されている．
|
