論文の概要: User Intention Recognition and Requirement Elicitation Method for
Conversational AI Services
- arxiv url: http://arxiv.org/abs/2009.01509v1
- Date: Thu, 3 Sep 2020 08:26:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 07:33:53.519341
- Title: User Intention Recognition and Requirement Elicitation Method for
Conversational AI Services
- Title（参考訳）: 会話型AIサービスにおけるユーザ意図認識と要求緩和手法
- Authors: Junrui Tian, Zhiying Tu, Zhongjie Wang, Xiaofei Xu, Min Liu
- Abstract要約: 私たちは、できるだけ少数のラウンドで、ユーザー要求を正確に取得することを目指しています。
ファジィ要件推論のための知識グラフ(KG)に基づくユーザ意図認識手法を開発した。
ダイアログポリシ生成のために,グラニュラーコンピューティングに基づく要件抽出手法を提案した。
- 参考スコア（独自算出の注目度）: 7.941589241861105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, chat-bot has become a new type of intelligent terminal to
guide users to consume services. However, it is criticized most that the
services it provides are not what users expect or most expect. This defect
mostly dues to two problems, one is that the incompleteness and uncertainty of
user's requirement expression caused by the information asymmetry, the other is
that the diversity of service resources leads to the difficulty of service
selection. Conversational bot is a typical mesh device, so the guided
multi-rounds Q$\&$A is the most effective way to elicit user requirements.
Obviously, complex Q$\&$A with too many rounds is boring and always leads to
bad user experience. Therefore, we aim to obtain user requirements as
accurately as possible in as few rounds as possible. To achieve this, a user
intention recognition method based on Knowledge Graph (KG) was developed for
fuzzy requirement inference, and a requirement elicitation method based on
Granular Computing was proposed for dialog policy generation. Experimental
results show that these two methods can effectively reduce the number of
conversation rounds, and can quickly and accurately identify the user
intention.
- Abstract（参考訳）: 近年、チャットボットは利用者にサービスの利用を誘導する新しいタイプのインテリジェント端末となっている。
しかし、提供するサービスはユーザーが期待したり、最も期待したりするサービスではないと批判されている。
この欠陥は, 情報非対称性に起因するユーザの要求表現の不完全性と不確実性, サービスリソースの多様性がサービス選択の難しさにつながる, という2つの問題に起因する。
会話型ボットは典型的なメッシュデバイスであるため、ユーザ要求を導き出す最も効果的な方法は、ガイド付きマルチラウンドq$\&$aである。
もちろん、ラウンドが多すぎる複雑なq$&$aは退屈であり、常にユーザーエクスペリエンスが悪くなる。
そこで本研究では,できるだけ少ないラウンドでユーザ要求を正確に獲得することを目指している。
これを実現するために,ファジィ要件推論のための知識グラフ(KG)に基づくユーザ意図認識手法を開発し,対話ポリシー生成のためのグラニュラーコンピューティングに基づく要件適用手法を提案した。
実験の結果,この2つの手法は会話ラウンド数を効果的に減らし,ユーザの意図を迅速かつ正確に識別できることがわかった。
関連論文リスト
- Towards Empathetic Conversational Recommender Systems [77.53167131692]
本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。
ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。
ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
論文 参考訳（メタデータ） (2024-08-30T15:43:07Z) - A Transformer-Based User Satisfaction Prediction for Proactive
Interaction Mechanism in DuerOS [12.060990859604681]
そこで本研究では,ユーザに対して提示する前に,ユーザの満足度とユーザの反応を予測できる能動的インタラクション機構を提案する。
ユーザが予測に応じて満足できない場合、システムはユーザの本当の意図を決定するのに適した質問をユーザに尋ねる。
当社のモデルをDuerOS上に展開・評価し,ユーザ満足度予測の精度に対する19%の相対的改善と,ユーザエクスペリエンスに対する2.3%の相対的改善を観察した。
論文 参考訳（メタデータ） (2022-12-05T09:17:49Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳（メタデータ） (2022-03-20T17:51:49Z) - Multi-stage Clarification in Conversational AI: The case of
Question-Answering Dialogue Systems [0.27998963147546135]
対話型質問応答や会話型検索など,様々な情報検索タスクにおいて,明確化の解決が重要な役割を担っている。
そこで本稿では,質問応答対話システムのコンテキストにおいて,質問の明確化とクエリ選択を促すための多段階的明確化機構を提案する。
提案手法は,ユーザエクスペリエンス全体の改善と,競合するベースラインを2つのデータセットで比較する。
論文 参考訳（メタデータ） (2021-10-28T15:45:44Z) - Two-stage Voice Application Recommender System for Unhandled Utterances
in Intelligent Personal Assistant [5.475452673163167]
本稿では,サードパーティの音声アプリケーションと非手話音声をマッチングする2段階のショートリスト-リランダ推薦システムを提案する。
本稿では,ベースラインルールに基づくシステムから収集した観測データを用いて,新しいシステムを構築する方法について述べる。
ユーザエクスペリエンスの満足度を著しく向上させるオンラインA/Bテストの結果を提示する。
論文 参考訳（メタデータ） (2021-10-19T11:52:56Z) - Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。
CRS開発の主な課題を5つの方向にまとめます。
これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
論文 参考訳（メタデータ） (2021-01-23T08:53:15Z) - Online Learning Demands in Max-min Fairness [91.37280766977923]
本稿では,複数のユーザ間の希少リソースの割り当て機構について,効率的で公平で戦略に準拠した方法で記述する。
このメカニズムは複数のラウンドで繰り返され、各ラウンドでユーザの要求が変更される可能性がある。
各ラウンドの最後には、ユーザは受け取ったアロケーションに関するフィードバックを提供し、そのメカニズムが時間の経過とともにユーザの好みを学習することを可能にする。
論文 参考訳（メタデータ） (2020-12-15T22:15:20Z) - NUANCED: Natural Utterance Annotation for Nuanced Conversation with
Estimated Distributions [36.00476428803116]
本研究では,ユーザ中心の対話システムの構築を試みる。
まず,ユーザの好みをシステムオントロジー上の推定分布としてモデル化し,ユーザの発話をそのような分布にマッピングする。
我々は、会話レコメンデーションのための現実的な設定に焦点を当てたNUANCEDという新しいデータセットを構築した。
論文 参考訳（メタデータ） (2020-10-24T03:23:14Z) - Partial Bandit and Semi-Bandit: Making the Most Out of Scarce Users'
Feedback [62.997667081978825]
本稿では,ユーザのフィードバックを考慮し,3つの戦略を用いて評価する手法を提案する。
ユーザからのフィードバックが制限されているにも関わらず(全体の20%以下)、我々の手法は最先端のアプローチと同じような結果が得られる。
論文 参考訳（メタデータ） (2020-09-16T07:32:51Z) - Mining Implicit Relevance Feedback from User Behavior for Web Question
Answering [92.45607094299181]
本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。
提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。
実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
論文 参考訳（メタデータ） (2020-06-13T07:02:08Z) - Large-scale Hybrid Approach for Predicting User Satisfaction with
Conversational Agents [28.668681892786264]
ユーザの満足度を測定することは難しい課題であり、大規模な会話エージェントシステムの開発において重要な要素である。
人間のアノテーションに基づくアプローチは簡単に制御できるが、スケールするのは難しい。
新たなアプローチとして,会話エージェントシステムに埋め込まれたフィードバック誘導システムを通じて,ユーザの直接的なフィードバックを収集する手法がある。
論文 参考訳（メタデータ） (2020-05-29T16:29:09Z)
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。