Task-Oriented Dialogue System Using a Fusion Module between Knowledge Graphs

Jinyoung Kim; Hyunmook Cha; Youngjoong Ko

doi:10.5626/JOK.2024.51.10.882

Task-Oriented Dialogue System Using a Fusion Module between Knowledge Graphs

Recommendations

Search

Questions

Type: Academic journal

Author: Jinyoung Kim Hyunmook Cha (성균관대학교) Youngjoong Ko (성균관대학교)

Journal: Korean Institute of Information Scientists and Engineers Journal of KIISE Vol.51 No.10 KCI Excellent Accredited Journal

Published: 2024.10

Pages: 882 - 891 (10page)

DOI: 10.5626/JOK.2024.51.10.882

Usage

📌

Topic

📖

Background

🔬

Method

🏆

Result

Task-Oriented Dialogue System Using a Fusion Module between Knowledge Graphs

Abstract· Keywords

Report Errors

The field of Task-Oriented Dialogue Systems focuses on using natural language processing to assist users in achieving specific tasks through conversation. Recently, transformer-based pre-trained language models have been employed to enhance performances of task-oriented dialogue systems. This paper proposes a response generation model based on Graph Attention Networks (GAT) to integrate external knowledge data into transformer-based language models for more specialized responses in dialogue systems. Additionally, we extend this research to incorporate information from multiple graphs, leveraging information from more than two graphs. We also collected and refined dialogue data based on music domain knowledge base to evaluate the proposed model. The collected dialogue dataset consisted of 2,076 dialogues and 226,823 triples. In experiments, the proposed model showed a performance improvement of 13.83%p in ROUGE-1, 8.26%p in ROUGE-2, and 13.5%p in ROUGE-L compared to the baseline KoBART model on the proposed dialogue dataset.

#목적 지향 대화 모델 #응답 생성 #대화 상태 추적 #그래프 #어텐션 메커니즘 #Task-Oriented Dialogue #Response Generation #Dialogue State Tracking #Graph #Attention Mechanism

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 모델
4. 실험 및 평가
5. 결론
References

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Frequently Viewed Together

Korean Dependency Parsing Using Sequence Labeling

Keunha Kim , Youngjoong Ko Journal of KIISE 2024 .12

Explainable Supporting Facts Generation via Query-Focused Multi-Document Summarization for Open Domain Question Answering Model

Haeun Lee , Youngjong Ko Journal of KIISE 2024 .11

Topic-Aware Cross-Attention for Dialogue Summarization

Suyoung Min , Youngjoong Ko Journal of KIISE 2024 .11

A Study on Debiasing for Image Classifier Based on Image Generation using Diffusion Model

Kyoung , ae Noh , Dongjun Lee and others 4 Journal of Korean Institute of Intelligent Systems 2024 .06

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Frequently Viewed Together

Recently viewed articles

Comments(0)