論文の概要: Exploring Early Prediction of Buyer-Seller Negotiation Outcomes
- arxiv url: http://arxiv.org/abs/2004.02363v2
- Date: Fri, 26 Feb 2021 03:17:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 07:11:07.590490
- Title: Exploring Early Prediction of Buyer-Seller Negotiation Outcomes
- Title（参考訳）: バイヤー・セラー交渉結果の早期予測
- Authors: Kushal Chawla, Gale Lucas, Jonathan May, Jonathan Gratch
- Abstract要約: モデルがアクセス可能な発話の分数を変化させることで,買い手と売り手の交渉結果の早期予測という新たな課題を探求する。
従来の特徴に基づく手法を用いた早期予測の実現可能性を検討するとともに,非言語的タスクコンテキストを事前訓練された言語モデルに組み込むことにより,その実現可能性を検討する。
- 参考スコア（独自算出の注目度）: 19.35826558501076
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agents that negotiate with humans find broad applications in pedagogy and
conversational AI. Most efforts in human-agent negotiations rely on restrictive
menu-driven interfaces for communication. To advance the research in
language-based negotiation systems, we explore a novel task of early prediction
of buyer-seller negotiation outcomes, by varying the fraction of utterances
that the model can access. We explore the feasibility of early prediction by
using traditional feature-based methods, as well as by incorporating the
non-linguistic task context into a pretrained language model using sentence
templates. We further quantify the extent to which linguistic features help in
making better predictions apart from the task-specific price information.
Finally, probing the pretrained model helps us to identify specific features,
such as trust and agreement, that contribute to the prediction performance.
- Abstract（参考訳）: 人間と交渉するエージェントは、教育と会話AIに幅広い応用を見出す。
ヒューマンエージェントの交渉におけるほとんどの取り組みは、コミュニケーションのための制限付きメニュー駆動インターフェースに依存している。
言語に基づく交渉システムの研究を進めるために,モデルがアクセス可能な発話の分節を変化させることで,買い手と売り手の交渉成果を早期に予測する新たな課題を探求する。
文テンプレートを用いた事前学習言語モデルに非言語的タスクコンテキストを組み込むことにより、従来の特徴に基づく手法による早期予測の実現可能性を検討する。
我々は、タスク固有の価格情報とは別に、言語的特徴がよりよい予測にどの程度役立つかをさらに定量化する。
最後に、事前訓練されたモデルを探索することで、予測性能に寄与する信頼や合意といった特定の特徴を特定するのに役立ちます。
関連論文リスト
- Beyond Text: Leveraging Multi-Task Learning and Cognitive Appraisal Theory for Post-Purchase Intention Analysis [10.014248704653]
本研究では,ユーザの行動を予測するための認知評価理論に基づくマルチタスク学習フレームワークを評価する。
実験の結果, ユーザの言語や特徴は, テキストのみから予測するモデル以上の予測を改善することがわかった。
論文 参考訳（メタデータ） (2024-07-11T04:57:52Z) - Language of Bargaining [60.218128617765046]
我々は、言語の使用が二国間交渉をどのように形成するかを研究するための新しいデータセットを構築した。
我々の研究は、交渉の結果を予測する言語信号も明らかにしている。
論文 参考訳（メタデータ） (2023-06-12T13:52:01Z) - Commonsense Knowledge Transfer for Pre-trained Language Models [83.01121484432801]
ニューラルコモンセンス知識モデルに格納されたコモンセンス知識を汎用的な事前学習言語モデルに転送するフレームワークであるコモンセンス知識伝達を導入する。
まず、一般的なテキストを利用して、ニューラルコモンセンス知識モデルからコモンセンス知識を抽出するクエリを形成する。
次に、コモンセンスマスクの埋め込みとコモンセンスの関係予測という2つの自己教師対象で言語モデルを洗練する。
論文 参考訳（メタデータ） (2023-06-04T15:44:51Z) - Probing via Prompting [71.7904179689271]
本稿では,探索をプロンプトタスクとして定式化することで,新しいモデルフリーな探索手法を提案する。
我々は5つの探索課題について実験を行い、我々のアプローチが診断プローブよりも情報抽出に優れていることを示す。
次に,その特性に不可欠な頭部を除去し,言語モデリングにおけるモデルの性能を評価することにより,事前学習のための特定の言語特性の有用性を検討する。
論文 参考訳（メタデータ） (2022-07-04T22:14:40Z) - GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。
GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。
評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
論文 参考訳（メタデータ） (2022-06-22T18:19:32Z) - Few-shot Subgoal Planning with Language Models [58.11102061150875]
事前訓練された言語モデルにエンコードされた言語は、細粒度のサブゴール列を推測できることを示す。
サブゴナル・インスペクションを強く仮定する最近の手法とは対照的に,我々の実験では,詳細なサブゴラル・シーケンスを微調整せずに推論できる言語モデルが示されている。
論文 参考訳（メタデータ） (2022-05-28T01:03:30Z) - Opponent Modeling in Negotiation Dialogues by Related Data Adaptation [20.505272677769355]
本稿では交渉対話から優先順位を識別するためのランク付け手法を提案する。
モデルは部分対話を入力として受け取り、相手の優先順位を予測する。
本稿では,2つの対話データセットに基づく広範囲な実験を通じて提案手法の有用性を示す。
論文 参考訳（メタデータ） (2022-04-30T21:11:41Z) - Towards Building Economic Models of Conversational Search [17.732575878508566]
我々は,これまで検索セッションで観察されたパターンに基づいて,対話型検索の2つの経済モデルを構築した。
我々のモデルは、与えられた/要求されたフィードバックの量は、初期またはその後のクエリを改善するための効率に依存することを示している。
論文 参考訳（メタデータ） (2022-01-21T15:20:51Z) - Augmenting BERT-style Models with Predictive Coding to Improve
Discourse-level Representations [20.855686009404703]
本稿では,予測符号化理論のアイデアを用いて,議論レベルの表現を学習するためのメカニズムによりBERTスタイルの言語モデルを拡張することを提案する。
提案手法は,ネットワークの中間層で動作する明示的なトップダウン接続を用いて,将来の文を予測できる。
論文 参考訳（メタデータ） (2021-09-10T00:45:28Z) - Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。
我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
論文 参考訳（メタデータ） (2020-10-26T21:34:39Z) - An Empirical Investigation of Pre-Trained Transformer Language Models
for Open-Domain Dialogue Generation [23.343006562849126]
本稿では,オープンドメイン対話生成作業のための事前学習型トランスフォーマーに基づく自動回帰言語モデルについて実験的に検討する。
事前訓練と微調整の訓練パラダイムは、学習を行うために使用される。
実験は、Weibo、Douban、Reddit、DailyDialog、Persona-Chatといった典型的なシングルターンとマルチターンの対話コーパスで行われる。
論文 参考訳（メタデータ） (2020-03-09T15:20:21Z)
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。