論文の概要: Predicting Decisions in Language Based Persuasion Games

• arxiv url: http://arxiv.org/abs/2012.09966v2
• Date: Thu, 7 Jan 2021 09:08:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-02 07:38:58.483424
• Title: Predicting Decisions in Language Based Persuasion Games
• Title（参考訳）: 言語に基づく説得ゲームにおける決定の予測
• Authors: Reut Apel, Ido Erev, Roi Reichart, and Moshe Tennenholtz
• Abstract要約: 本稿では,説得ゲームにおける自然言語の利用について述べる。 これらの決定の予測に有効なモデルを構築することを目的としている。 私たちの結果は、相互作用シーケンスのプレフィックスを与えられたモデルが意思決定者の将来の決定を予測できることを示しています。
• 参考スコア（独自算出の注目度）: 31.63182861594025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sender-receiver interactions, and specifically persuasion games, are widely researched in economic modeling and artificial intelligence, and serve as a solid foundation for powerful applications. However, in the classic persuasion games setting, the messages sent from the expert to the decision-maker are abstract or well-structured application-specific signals rather than natural (human) language messages, although natural language is a very common communication signal in real-world persuasion setups. This paper addresses the use of natural language in persuasion games, exploring its impact on the decisions made by the players and aiming to construct effective models for the prediction of these decisions. For this purpose, we conduct an online repeated interaction experiment. At each trial of the interaction, an informed expert aims to sell an uninformed decision-maker a vacation in a hotel, by sending her a review that describes the hotel. While the expert is exposed to several scored reviews, the decision-maker observes only the single review sent by the expert, and her payoff in case she chooses to take the hotel is a random draw from the review score distribution available to the expert only. The expert's payoff, in turn, depends on the number of times the decision-maker chooses the hotel. We consider a number of modeling approaches for this setup, differing from each other in the model type (deep neural network (DNN) vs. linear classifier), the type of features used by the model (textual, behavioral or both) and the source of the textual features (DNN-based vs. hand-crafted). Our results demonstrate that given a prefix of the interaction sequence, our models can predict the future decisions of the decision-maker, particularly when a sequential modeling approach and hand-crafted textual features are applied.
• Abstract（参考訳）: センダー・レシーバー相互作用、特に説得ゲームは、経済モデリングや人工知能の分野で広く研究されており、強力な応用のための強固な基盤となっている。 しかし、古典的な説得ゲームでは、専門家から意思決定者へ送られたメッセージは、自然言語は現実世界の説得設定において非常に一般的な通信信号であるが、自然言語よりも抽象的あるいはよく構造化されたアプリケーション固有の信号である。 本稿では, 説得ゲームにおける自然言語の利用について論じ, プレイヤーの意思決定への影響を探究し, それらの予測のための効果的なモデルの構築を目指す。 この目的のために,オンライン繰り返しインタラクション実験を行う。 対話の各試行において、インフォームド・エキスパートは、ホテルを記述したレビューを送ることで、無形意思決定者に対してホテルでの休暇を売ることを目指している。 専門家はいくつかの評価を受けたレビューに晒されるが、意思決定者は専門家が送ったレビューのみを観察し、ホテルを取ることを選択した場合の支払いは、専門家のみが利用できるレビュースコアの分布からランダムに引き出される。 専門家の支払いは、意思決定者がホテルを選ぶ回数に依存する。 モデルタイプ(ディープニューラルネットワーク(DNN)と線形分類器)、モデルで使用される機能の種類(テキスト, 行動, 両方)、およびテキスト機能(DNNベースと手作り)のソース(DNNベースと手作り)で異なる多くのモデリング手法を検討する。 その結果、インタラクションシーケンスのプレフィックスが与えられた場合、特に逐次モデリングアプローチと手作りのテキスト特徴が適用された場合に、モデルが意思決定者の将来的な決定を予測できることが示される。

関連論文リスト

• Trustworthy Alignment of Retrieval-Augmented Large Language Models via Reinforcement Learning [84.94709351266557]
  検索強化に関して,言語モデルの信頼性に焦点をあてる。 検索強化言語モデルには,文脈的知識とパラメトリック的知識の両方に応じて応答を供給できる本質的な能力があると考えられる。 言語モデルと人間の嗜好の整合性に着想を得て,検索強化言語モデルを外部証拠にのみ依存する状況に整合させるための第一歩を踏み出した。
  論文  参考訳（メタデータ） (2024-10-22T09:25:21Z)
• Rationalizing Predictions by Adversarial Information Calibration [65.19407304154177]
  我々は2つのモデルを共同で訓練する: 1つは、正確だがブラックボックスな方法でタスクを解く典型的なニューラルモデルであり、もう1つは、予測の理論的根拠を付加するセレクタ・予測モデルである。 我々は,2つのモデルから抽出した情報を,それらの違いが欠落した特徴や過度に選択された特徴の指標であるように校正するために,敵対的手法を用いる。
  論文  参考訳（メタデータ） (2023-01-15T03:13:09Z)
• 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)
• Designing an Automatic Agent for Repeated Language based Persuasion Games [32.20930723085839]
  繰り返す送信者(専門家) -- 受信者(意思決定者)ゲームを考える。 senderは、世界の状況について完全に知らされ、受信者にいくつかの可能な自然言語レビューの1つを送ることで、取引を受け入れるよう説得することを目的としている。 我々は、この繰り返しゲームをプレイする自動専門家をデザインし、最大報酬を達成することを目指している。
  論文  参考訳（メタデータ） (2021-05-11T12:25:57Z)
• Learning from the Best: Rationalizing Prediction by Adversarial Information Calibration [39.685626118667074]
  2つのモデルを共同でトレーニングする。1つは手前のタスクを正確だがブラックボックスな方法で解く典型的なニューラルモデルであり、もう1つはセレクタ-予測モデルであり、予測の根拠も生み出す。 両モデルから抽出した情報の校正には,逆数に基づく手法を用いる。 自然言語タスクには, 言語モデルに基づく正規化子を用いて, 流線型論理の抽出を促進することを提案する。
  論文  参考訳（メタデータ） (2020-12-16T11:54:15Z)
• Indecision Modeling [50.00689136829134]
  AIシステムは人間の価値観に合わせて行動することが重要である。 人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
  論文  参考訳（メタデータ） (2020-12-15T18:32:37Z)
• Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
  MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。 本研究は,複数回対話を行う対話型MRCに焦点を当てている。 それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
  論文  参考訳（メタデータ） (2020-04-29T07:04:43Z)
• Predicting Strategic Behavior from Free Text [38.506665373140876]
  我々は,ゲームとしてモデル化された経済状況下でのメッセージと行動の関連性について検討する。 本研究では,個人が提供した自由テキストに基づくワンショットゲームにおいて,個人の行動予測に関する研究を紹介する。 これらの属性に基づいたワンショットゲームにおいて,これらの個人が行う行動を予測するために,トランスダクティブ・ラーニング(transductive learning)を採用している。
  論文  参考訳（メタデータ） (2020-04-06T20:05:30Z)
• "Wait, I'm Still Talking!" Predicting the Dialogue Interaction Behavior Using Imagine-Then-Arbitrate Model [24.560203199376478]
  実際の人間と人間の会話では、1ターンで長いメッセージではなく、可読性のためのいくつかの短いメッセージが順次送信されることが多い。 本稿では,エージェントが待機するか,直接応答するかを決定するのに役立つ,新しいImagine-then-Arbitrate(ITA)ニューラルダイアログモデルを提案する。
  論文  参考訳（メタデータ） (2020-02-22T04:05:41Z)
• I love your chain mail! Making knights smile in a fantasy game world: Open-domain goal-oriented dialogue agents [69.68400056148336]
  我々は、模倣学習したチトチャットモデルに対して強化学習を施した目標指向モデルを訓練する。 両モデルが逆モデルベースラインより優れており,目標を達成するために対話相手と自然に会話できることを示す。
  論文  参考訳（メタデータ） (2020-02-07T16:22:36Z)

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。