論文の概要: Towards Building Economic Models of Conversational Search

• arxiv url: http://arxiv.org/abs/2201.08742v1
• Date: Fri, 21 Jan 2022 15:20:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-24 13:34:37.346352
• Title: Towards Building Economic Models of Conversational Search
• Title（参考訳）: 対話型検索の経済モデル構築に向けて
• Authors: Leif Azzopardi and Mohammad Aliannejadi and Evangelos Kanoulas
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.732575878508566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various conceptual and descriptive models of conversational search have been proposed in the literature -- while useful, they do not provide insights into how interaction between the agent and user would change in response to the costs and benefits of the different interactions. In this paper, we develop two economic models of conversational search based on patterns previously observed during conversational search sessions, which we refer to as: Feedback First where the agent asks clarifying questions then presents results, and Feedback After where the agent presents results, and then asks follow up questions. Our models show that the amount of feedback given/requested depends on its efficiency at improving the initial or subsequent query and the relative cost of providing said feedback. This theoretical framework for conversational search provides a number of insights that can be used to guide and inform the development of conversational search agents. However, empirical work is needed to estimate the parameters in order to make predictions specific to a given conversational search setting.
• Abstract（参考訳）: 様々な概念的、記述的な会話探索モデルが文献で提案されているが、異なる対話のコストと利益に応じてエージェントとユーザ間のインタラクションがどのように変化するかについての洞察を与えていない。 本稿では,会話検索セッション中にこれまで観察されたパターンに基づく対話検索の経済モデルを開発する。まず,エージェントが質問を明確にし,その結果を提示するフィードバックと,エージェントが結果を提示するフィードバックと,フォローアップ質問である。 我々のモデルでは、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と、そのフィードバックを提供する相対コストに依存する。 対話型検索の理論的枠組みは,対話型検索エージェントの開発を指導し,情報提供するための多くの洞察を提供する。 しかし,特定の会話検索設定に特有の予測を行うためには,パラメータを推定する経験的作業が必要である。

関連論文リスト

• A Conceptual Framework for Conversational Search and Recommendation: Conceptualizing Agent-Human Interactions During the Conversational Search Process [3.2114882156161824]
  対話型検索タスクは、エージェントとの自然言語対話を通じて、ユーザが情報ニーズを解決できるようにすることを目的としている。 本研究の目的は,ユーザが検索空間を探索し,情報ニーズを解決するための,ユーザとエージェントの行動と意図に関する概念的枠組みを構築することである。
  論文  参考訳（メタデータ） (2024-04-12T17:48:18Z)
• Dialogue Agents 101: A Beginner's Guide to Critical Ingredients for Designing Effective Conversational Systems [29.394466123216258]
  本研究は,対話エージェントの主要な特徴,対応するオープンドメインデータセット,およびこれらのデータセットをベンチマークする手法について概説する。 我々は,既存のデータセットの会話から構築された統一dIalogue dataseTであるUNITを提案する。
  論文  参考訳（メタデータ） (2023-07-14T10:05:47Z)
• SSP: Self-Supervised Post-training for Conversational Search [63.28684982954115]
  本稿では,対話型検索モデルを効率的に初期化するための3つの自己教師型タスクを備えた学習後パラダイムであるフルモデル(モデル)を提案する。 提案手法の有効性を検証するために,CAsT-19 と CAsT-20 の2つのベンチマークデータセットを用いて,会話検索タスクにモデルにより訓練後の会話エンコーダを適用した。
  論文  参考訳（メタデータ） (2023-07-02T13:36:36Z)
• INSCIT: Information-Seeking Conversations with Mixed-Initiative Interactions [47.90088587508672]
  InSCItは、混合開始型インタラクションによる情報探索会話のためのデータセットである。 ユーザーエージェントは805対人会話から4.7Kである。 対話型知識認識とオープンドメイン質問応答の最先端モデルに基づく2つのシステムの結果を報告する。
  論文  参考訳（メタデータ） (2022-07-02T06:18:12Z)
• Analysing Mixed Initiatives and Search Strategies during Conversational Search [31.63357369175702]
  本稿では,対話型検索のモデルを提案する。そこから観察された対話型検索戦略をインスタンス化し,エージェントが引き起こす: (i) フィードバックファースト, (ii) フィードバックアフタ。 分析の結果,質問結果の提示後に質問された場合,質問内容の明確化が良好であるのに対して,質問内容の明確化が良好であることが判明した。
  論文  参考訳（メタデータ） (2021-09-13T13:30:10Z)
• Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure [53.77234444565652]
  会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。 単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。 英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T17:46:00Z)
• 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)
• Analysing the Effect of Clarifying Questions on Document Ranking in Conversational Search [10.335808358080289]
  質問の明確化とユーザの回答の相違がランキングの質に与える影響について検討する。 単純な語彙ベースラインを導入し、既存のナイーブベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2020-08-09T12:55:16Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)
• Dialogue-Based Relation Extraction [53.2896545819799]
  本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。 我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。 実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
  論文  参考訳（メタデータ） (2020-04-17T03:51:57Z)

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。