論文の概要: Conversational Recommendation: A Grand AI Challenge
- arxiv url: http://arxiv.org/abs/2203.09126v1
- Date: Thu, 17 Mar 2022 07:06:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-19 03:46:14.776079
- Title: Conversational Recommendation: A Grand AI Challenge
- Title（参考訳）: Conversational Recommendation: グランドAIチャレンジ
- Authors: Dietmar Jannach and Li Chen
- Abstract要約: 天気予報を尋ねるために、AppleのSiriのようなマシンとどんどん話し合っています。
例えばレストランに行くための推薦を求めると、そのようなデバイスの制限はすぐに明らかになる。
会話レコメンデータシステムはこれらの制限に対処することを約束する。
- 参考スコア（独自算出の注目度）: 15.38278336954814
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Animated avatars, which look and talk like humans, are iconic visions of the
future of AI-powered systems. Through many sci-fi movies we are acquainted with
the idea of speaking to such virtual personalities as if they were humans.
Today, we talk more and more to machines like Apple's Siri, e.g., to ask them
for the weather forecast. However, when asked for recommendations, e.g., for a
restaurant to go to, the limitations of such devices quickly become obvious.
They do not engage in a conversation to find out what we might prefer, they
often do not provide explanations for what they recommend, and they may have
difficulties remembering what was said one minute earlier. Conversational
recommender systems promise to address these limitations. In this paper, we
review existing approaches to build such systems, which developments we observe
today, which challenges are still open and why the development of
conversational recommenders represents one of the next grand challenges of AI.
- Abstract（参考訳）: アニメーションのアバターは、人間のように見え、話し、ai駆動システムの未来を象徴するビジョンだ。
多くのSF映画を通して、私たちは人間のようにバーチャルな個性に話しかけることに慣れています。
今日、私たちはappleのsiriのようなマシンに話しかけて、天気予報を尋ねています。
しかし、レストランに行くための推薦を求めると、そうしたデバイスの限界はすぐに明らかになる。
彼らは、私たちが何を好むかを知るために会話をしておらず、しばしば推奨するものの説明を提供しておらず、1分前に言ったことを思い出すのに苦労しているかもしれない。
会話推薦システムはこれらの制限に対処することを約束する。
本稿では,このようなシステムを構築するための既存のアプローチを概説する。我々が現在観察している開発,課題のオープン性,会話型レコメンデータの開発がaiの次の大きな課題の1つとなる理由について述べる。
関連論文リスト
- WavChat: A Survey of Spoken Dialogue Models [66.82775211793547]
GPT-4oのようなシステムで実証された音声対話モデルの最近の進歩は、音声領域において大きな注目を集めている。
これらの高度な音声対話モデルは、音声、音楽、その他の音声関連の特徴を理解するだけでなく、音声のスタイリスティックな特徴や音節的な特徴も捉える。
音声対話システムの進歩にもかかわらず、これらのシステムを体系的に組織化し分析する包括的調査が欠如している。
論文 参考訳（メタデータ） (2024-11-15T04:16:45Z) - Expanding the Set of Pragmatic Considerations in Conversational AI [0.26206189324400636]
本稿では,現在の会話型AIシステムの実用的限界について論じる。
私たちは、苦情をTTT(Turing Test Triggers)とラベル付けします。
我々は、対話型AIシステムに必要な実用的能力を特定するために、実用的考察の分類法を開発する。
論文 参考訳（メタデータ） (2023-10-27T19:21:50Z) - Data Augmentation for Conversational AI [17.48107304359591]
データ拡張(DA)は、会話システムにおけるデータ不足問題を軽減するための感情的なアプローチである。
このチュートリアルは、会話システムのコンテキストにおけるDAアプローチの包括的で最新の概要を提供する。
論文 参考訳（メタデータ） (2023-09-09T09:56:35Z) - The System Model and the User Model: Exploring AI Dashboard Design [79.81291473899591]
高度なAIシステムは、他の複雑なデバイスと同じようにダッシュボードを持つべきだ、と私たちは主張する。
多くのシステムにおいて、最も重要な2つのモデルはユーザーとシステム自体のものであると推測する。
これら2つのモデルを識別し、解釈し、表示する方法を見つけることは、AIのためのインターフェース研究のコア部分であるべきです。
論文 参考訳（メタデータ） (2023-05-04T00:22:49Z) - DialogueNeRF: Towards Realistic Avatar Face-to-Face Conversation Video
Generation [54.84137342837465]
対面会話は毎日の会話の大部分を占める。
既存の手法のほとんどは、一人称音声音声生成に重点を置いている。
ニューラルレイディアンスフィールド(NeRF)に基づく新しい統合フレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-15T14:16:49Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - Intelligent Conversational Android ERICA Applied to Attentive Listening
and Job Interview [41.789773897391605]
我々はインテリジェントな会話型android ericaを開発した。
ERICAには,注意深い聞き取り,就職面接,スピードデートなど,いくつかのソーシャルインタラクションタスクを設定した。
40人の高齢者が会話を分解することなく5～7分間の会話を行ったことが評価されている。
論文 参考訳（メタデータ） (2021-05-02T06:37:23Z) - Towards Data Distillation for End-to-end Spoken Conversational Question
Answering [65.124088336738]
音声対話型質問応答タスク(SCQA)を提案する。
SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。
我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
論文 参考訳（メタデータ） (2020-10-18T05:53:39Z) - ConvAI3: Generating Clarifying Questions for Open-Domain Dialogue
Systems (ClariQ) [64.60303062063663]
本論文では,対話システムに対する質問の明確化に関する課題について詳述する(ClariQ)。
このチャレンジは、2020年のSearch Oriented Conversational AI (SCAI) EMNLPワークショップで、ConvAI3(Conversational AI Challenge series)の一部として組織されている。
論文 参考訳（メタデータ） (2020-09-23T19:48:02Z) - Teaching Machines to Converse [24.64148203917298]
この論文は、オープンドメイン対話生成システムにおけるニューラルネットワークモデルによる課題に対処しようとするものである。
我々は,対話型質問応答システムを開発するために,対話型質問応答システムを開発した。
論文 参考訳（メタデータ） (2020-01-31T08:28:07Z)
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。