論文の概要: A Snooze-less User-Aware Notification System for Proactive
Conversational Agents
- arxiv url: http://arxiv.org/abs/2003.02097v1
- Date: Wed, 4 Mar 2020 14:31:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 13:27:12.656986
- Title: A Snooze-less User-Aware Notification System for Proactive
Conversational Agents
- Title（参考訳）: 能動的会話エージェントのためのスヌーズレスユーザ対応通知システム
- Authors: Yara Rizk, Vatche Isahagian, Merve Unuvar, Yasaman Khazaeni
- Abstract要約: 通知をインテリジェントに発行し、抑制し、集約するアラートおよび通知フレームワークを提案する。
私たちのフレームワークはバックエンドサービスとしてデプロイできますが、アクティブな会話エージェントに統合するのに適しています。
- 参考スコア（独自算出の注目度）: 6.4378876455245235
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ubiquity of smart phones and electronic devices has placed a wealth of
information at the fingertips of consumers as well as creators of digital
content. This has led to millions of notifications being issued each second
from alerts about posted YouTube videos to tweets, emails and personal
messages. Adding work related notifications and we can see how quickly the
number of notifications increases. Not only does this cause reduced
productivity and concentration but has also been shown to cause alert fatigue.
This condition makes users desensitized to notifications, causing them to
ignore or miss important alerts. Depending on what domain users work in, the
cost of missing a notification can vary from a mere inconvenience to life and
death. Therefore, in this work, we propose an alert and notification framework
that intelligently issues, suppresses and aggregates notifications, based on
event severity, user preferences, or schedules, to minimize the need for users
to ignore, or snooze their notifications and potentially forget about
addressing important ones. Our framework can be deployed as a backend service,
but is better suited to be integrated into proactive conversational agents, a
field receiving a lot of attention with the digital transformation era, email
services, news services and others. However, the main challenge lies in
developing the right machine learning algorithms that can learn models from a
wide set of users while customizing these models to individual users'
preferences.
- Abstract（参考訳）: スマートフォンや電子機器の普及により、消費者の指先だけでなく、デジタルコンテンツのクリエーターにも多くの情報が流れている。
これにより、投稿されたYouTubeビデオからツイート、メール、個人メッセージまで、毎秒数百万の通知が発行されている。
作業関連の通知を追加すれば,通知数の増加の速さが分かる。
これは生産性と集中度を低下させるだけでなく、警告疲労を引き起こすことも示されている。
この条件により、ユーザーは通知を無視したり、重要なアラートを見逃したりする。
ユーザーがどのドメインで働いているかによって、通知を紛失するコストは、単に不便から生死まで様々である。
そこで本研究では,イベントの重大度やユーザの好み,スケジュールに基づいて通知をインテリジェントに発行,抑制,集約し,ユーザが通知を無視したり無視したりする必要を最小化し,重要な通知への対処を忘れてしまうような警告通知フレームワークを提案する。
私たちのフレームワークはバックエンドサービスとしてデプロイできますが、アクティブな会話エージェント、デジタルトランスフォーメーション時代、メールサービス、ニュースサービスなど、多くの注目を集めている分野に統合するのに適しています。
しかし、主な課題は、これらのモデルを個々のユーザの好みに合わせてカスタマイズしながら、幅広いユーザーからモデルを学習できる適切な機械学習アルゴリズムを開発することである。
関連論文リスト
- Remote Timing Attacks on Efficient Language Model Inference [63.79839291641793]
タイミング差を利用してタイミングアタックをマウントできることが示される。
90%以上の精度でユーザの会話の話題を学習することができるかを示す。
相手はブースティング攻撃を利用して、オープンソースのシステム用のメッセージに置かれたPIIを回復することができる。
論文 参考訳（メタデータ） (2024-10-22T16:51:36Z) - TIM: Temporal Interaction Model in Notification System [6.377444652197526]
本稿では,短時間のビデオアプリケーションKuaishouにおいて,CTRを1日ごとの時間帯で推定することにより,ユーザの行動パターンをモデル化するTIMを提案する。
TIMはユーザ行動を予測するための信頼性の高いツールであり,不適切な障害を引き起こすことなく,ユーザのエンゲージメントを著しく向上させる。
論文 参考訳（メタデータ） (2024-06-11T08:53:15Z) - Carbon Filter: Real-time Alert Triage Using Large Scale Clustering and Fast Search [6.830322979559498]
今日セキュリティ・オペレーション・センター(SOC)が直面している最大の課題のひとつに「アラート・疲労」がある。
統計的学習に基づくシステムであるCarbon Filterは、アナリストが手動でレビューする必要があるアラートの数を劇的に削減します。
論文 参考訳（メタデータ） (2024-05-07T22:06:24Z) - A State Transition Model for Mobile Notifications via Survival Analysis [10.638942431625381]
通知の有効性を定量的に評価する状態遷移フレームワークを提案する。
ログ線形構造とワイブル分布を仮定したバッジ通知のサバイバルモデルを構築した。
この結果は,ロジスティック回帰モデルよりもアプリケーションの柔軟性が高く,予測精度が優れていることを示す。
論文 参考訳（メタデータ） (2022-07-07T05:38:39Z) - Should I send this notification? Optimizing push notifications decision
making by modeling the future [4.476351684070796]
最も推奨されるシステムは、ユーザの即時応答に基づいて最適化されるミオピック(myopic)である。
これは、長期的なユーザ満足度の作成など、真の目標と誤解する可能性がある。
この作業では,特に推奨システム決定の長期的な影響が強いモバイルプッシュ通知に重点を置いています。
論文 参考訳（メタデータ） (2022-02-17T18:27:17Z) - Speech Enhancement for Wake-Up-Word detection in Voice Assistants [60.103753056973815]
キースポッティング、特にWake-Up-Word(WUW)検出は音声アシスタントにとって非常に重要なタスクである。
本稿では,WUW検出に適応した音声強調モデルを提案する。
これらのノイズの存在下で、認識率を高め、誤報を減らすことを目的としている。
論文 参考訳（メタデータ） (2021-01-29T18:44:05Z) - Speaker De-identification System using Autoencoders and Adversarial
Training [58.720142291102135]
本稿では,対人訓練とオートエンコーダに基づく話者識別システムを提案する。
実験結果から, 対向学習とオートエンコーダを組み合わせることで, 話者検証システムの誤り率が同等になることがわかった。
論文 参考訳（メタデータ） (2020-11-09T19:22:05Z) - Privacy-accuracy trade-offs in noisy digital exposure notifications [3.04585143845864]
携帯電話による接触追跡プロセスの自動化に関心がある。
Bluetoothなどのデータ交換技術を使って、ユーザー間の連絡先を記録したり、ポジティブな診断を報告したり、病気のユーザーに暴露されたユーザーに警告したりできる。
実用的なプロトコルを設計することは重要であるが、露出イベントをユーザーに通知することは、それ自体が秘密情報を漏洩させる可能性があることに気づくことが不可欠である。
論文 参考訳（メタデータ） (2020-11-08T15:00:38Z) - Robust and Verifiable Information Embedding Attacks to Deep Neural
Networks via Error-Correcting Codes [81.85509264573948]
ディープラーニングの時代、ユーザは、サードパーティの機械学習ツールを使用して、ディープニューラルネットワーク(DNN)分類器をトレーニングすることが多い。
情報埋め込み攻撃では、攻撃者は悪意のあるサードパーティの機械学習ツールを提供する。
本研究では,一般的なポストプロセッシング手法に対して検証可能で堅牢な情報埋め込み攻撃を設計することを目的とする。
論文 参考訳（メタデータ） (2020-10-26T17:42:42Z) - Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。
メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
論文 参考訳（メタデータ） (2020-05-26T23:41:05Z) - Cloud-Based Face and Speech Recognition for Access Control Applications [55.84746218227712]
このシステムは、従業員がタグキーやカードを使わずに、顔認識で玄関のドアをアンロックするのを助ける。
ビジターと配達担当者は、会いたい従業員の名前を伝える音声・テキストサービスを提供している。
このシステムのハードウェアは、2つのRaspberry Pi、7インチLCDタッチディスプレイ、カメラ、マイクとスピーカーを備えたサウンドカードで構成されている。
論文 参考訳（メタデータ） (2020-04-23T13:57:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。