論文の概要: An Improved Approach of Intention Discovery with Machine Learning for
POMDP-based Dialogue Management
- arxiv url: http://arxiv.org/abs/2009.09354v1
- Date: Sun, 20 Sep 2020 05:28:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 13:11:11.049870
- Title: An Improved Approach of Intention Discovery with Machine Learning for
POMDP-based Dialogue Management
- Title（参考訳）: POMDPに基づく対話管理のための機械学習による意図発見手法の改良
- Authors: Ruturaj Raval
- Abstract要約: Embodied Conversational Agent (ECA)は、ソフトウェアアプリケーションのフロントエンドとして機能し、言語/非言語表現を通じてユーザと対話する。
この論文は、対話管理の異なるアプローチを含む、ECAの構築に関する主要なトピックを強調している。
感情に基づく顔のアニメーションと、意図の発見を改善するための密着型フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: An Embodied Conversational Agent (ECA) is an intelligent agent that works as
the front end of software applications to interact with users through
verbal/nonverbal expressions and to provide online assistance without the
limits of time, location, and language. To help to improve the experience of
human-computer interaction, there is an increasing need to empower ECA with not
only the realistic look of its human counterparts but also a higher level of
intelligence. This thesis first highlights the main topics related to the
construction of ECA, including different approaches of dialogue management, and
then discusses existing techniques of trend analysis for its application in
user classification. As a further refinement and enhancement to prior work on
ECA, this thesis research proposes a cohesive framework to integrate
emotion-based facial animation with improved intention discovery. In addition,
a machine learning technique is introduced to support sentiment analysis for
the adjustment of policy design in POMDP-based dialogue management. The
proposed research work is going to improve the accuracy of intention discovery
while reducing the length of dialogues.
- Abstract（参考訳）: Embodied Conversational Agent (ECA) は、ソフトウェアアプリケーションのフロントエンドとして機能し、言語的/非言語的表現を通じてユーザと対話し、時間、場所、言語に制限を加えることなくオンライン支援を提供するインテリジェントエージェントである。
人とコンピュータの対話体験を改善するために、人間同士の現実的な外観だけでなく、より高度な知性によってecaに力を与える必要性が高まっている。
この論文はまず、対話管理の異なるアプローチを含むECAの構築に関する主要なトピックを強調し、その後、ユーザ分類におけるトレンド分析の既存の技術について議論する。
本論文は、ECAの先行研究のさらなる改善と強化として、感情に基づく顔のアニメーションを意図発見の改善と統合するための結束的な枠組みを提案する。
さらに,POMDPに基づく対話管理におけるポリシー設計調整のための感情分析を支援するために,機械学習技術を導入した。
提案研究は,対話の長さを削減しつつ,意図発見の精度を向上させるものである。
関連論文リスト
- Who Speaks Next? Multi-party AI Discussion Leveraging the Systematics of Turn-taking in Murder Mystery Games [7.946510318969307]
本研究では,会話分析における隣接対やターンテイクといった会話規範に着目した。
本稿では,AIエージェントの対話制御にこれらの規範を適用した"Murder Mystery Agents"という新しいフレームワークを提案する。
提案フレームワークは、隣接ペアと自己選択機構に基づいて、次の話者選択を統合する。
論文 参考訳（メタデータ） (2024-12-06T10:45:54Z) - Enhanced Classroom Dialogue Sequences Analysis with a Hybrid AI Agent: Merging Expert Rule-Base with Large Language Models [7.439914834067705]
本研究では,対話シーケンスの包括的ルールベースと人工知能(AI)エージェントを開発する。
このエージェントは、自然言語の複雑さに適応しながら専門家の知識を適用し、教室の対話シーケンスの正確かつ柔軟な分類を可能にする。
論文 参考訳（メタデータ） (2024-11-13T08:13:41Z) - Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.74265453289855]
大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。
本稿では,ChatGPTインタフェースにおける対話型フィードバック機能の可能性について検討し,ユーザ入力の形状やイテレーションへの参加について分析する。
論文 参考訳（メタデータ） (2024-08-27T13:50:37Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - A Survey on Proactive Dialogue Systems: Problems, Methods, and Prospects [100.75759050696355]
本稿では,対話エージェントの多種多様な対話における能動性に関する顕著な問題と先進的な設計について概説する。
我々は、現実世界のアプリケーションのニーズを満たすが、将来もっと研究に焦点を当てる必要がある課題について議論する。
論文 参考訳（メタデータ） (2023-05-04T11:38:49Z) - Enabling Harmonious Human-Machine Interaction with Visual-Context
Augmented Dialogue System: A Review [40.49926141538684]
Visual Context Augmented Dialogue System (VAD) は、マルチモーダル情報を知覚し理解することで人間とコミュニケーションする能力を持つ。
VADは、エンゲージメントとコンテキスト対応の応答を生成する可能性を秘めている。
論文 参考訳（メタデータ） (2022-07-02T09:31:37Z) - Interacting with Non-Cooperative User: A New Paradigm for Proactive
Dialogue Policy [83.61404191470126]
インタラクティブな環境下でプロアクティブなポリシーを学習できるI-Proという新しいソリューションを提案する。
具体的には,4つの要因からなる学習目標重みを通じてトレードオフを学習する。
実験の結果,I-Proは,有効性と解釈性において,ベースラインを著しく上回っていることがわかった。
論文 参考訳（メタデータ） (2022-04-07T14:11:31Z) - Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。
本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。
さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
論文 参考訳（メタデータ） (2021-10-11T03:52:37Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。