評価に過去の発話を使用しない

入力に過去の発話を含まないデータで学習したモデルにおける， テスト出力結果の精度評価を表6.3.2に示す． また，出力の精度評価例を表6.3.3と表6.3.4に示す．

表 6.3.2: 精度評価結果(入力に過去の発話を含まない)

手法	○	△	$\times$
低頻度語置き換え無し	0.310(62/200)	0.455(91/200)	0.235(47/200)
低頻度語全てをヌルトークン化	0.380(76/200)	0.430(86/200)	0.190(38/200)
Copyable Model	0.345(69/200)	0.410(82/200)	0.245(49/200)
品詞置き換え	0.300(60/200)	0.515(103/200)	0.185(37/200)
提案手法	0.360(72/200)	0.445(89/200)	0.195(39/200)

表 6.3.3: 出力精度評価例1(入力に過去の発話を含まない)

手法	入出力	評価
低頻度語置き換え	発話：儀式 は 必要 だ そう です よ	$\times$
無し	応答：勇気 は 必要 です ね
低頻度語全てをヌ	発話：$unk_{0}$ は 必要 だ そう です よ	○
ルトークン化	応答：そうですね
Copyable Model	発話：$unk_{1}$ は 必要 だ そう です よ	○
	応答：$unk_{1}$ が 多い です
品詞置き換え	発話：$unk_{名詞}$ は 必要 だ そう です よ	○
	応答：そう だ よ ね
提案手法	発話：$unk_{1}$ は 必要 だ そう です よ	$\times$
	応答：$unk_{1}$ が いい です ね

表 6.3.4: 出力精度評価例2(入力に過去の発話を含まない)

手法	入出力	評価
低頻度語置き換え	発話：私 1限 全部 外し た よ	○
無し	応答：ほんと
低頻度語全てをヌ	発話：私 1限 全部 外し た よ	○
ルトークン化	応答：そう
Copyable Model	発話：私 1限 全部 外し た よ	○
	応答：そう
品詞置き換え	発話：私 1限 全部 外し た よ	△
	応答：あー
提案手法	発話：私 1限 全部 外し た よ	○
	応答：あっ そう