交渉対話システムにおける深層学習に基づくパーサーによるダイアログアクトの推定

抄録

近年, 自動的に人間と交渉する対話エージェントに関する研究が盛んに行われている. 先行研究にダイアログアクトという対話の行為を表す構造モデルを用いて, 交渉戦略と対話生成を分離させる手法がある. この手法は, 文生成の過程にダイアログアクトを用いて, タスク達成率や発話の人間らしさを向上させた. 一方で, 入力文に対応するダイアログアクトを推論するパーサーをルールベースで実装しているため, 対応できる文に限界があるなど, 改善の余地も見られた. 以上の背景を踏まえ, 本研究では深層学習に基づくパーサーを提案する. 深層学習を導入するにあたり, 交渉対話とそれに対応するダイアログアクトからなる教師データのアノテーションを行う. アノテーションした教師データを用いて複数の事前学習済みモデルをファインチューンイングし, パーサーの精度の比較実験を行う. 深層学習を用いたパーサーは約83%のダイアログアクトの分類精度示した. さらに, ルールベースパーサーにおいて, 全体の発話の内, 約25%を占めていた分類不可を示すunknownのダイアログアクトを, 深層学習に基づくパーサーを使用することで約0.8%まで減らすことに成功した.