論文の概要: What makes you change your mind? An empirical investigation in online group decision-making conversations

• arxiv url: http://arxiv.org/abs/2207.12035v1
• Date: Mon, 25 Jul 2022 10:19:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 14:05:58.338752
• Title: What makes you change your mind? An empirical investigation in online group decision-making conversations
• Title（参考訳）: あなたは何で気が変わったのですか。 オンライングループ意思決定会話における経験的研究
• Authors: Georgi Karadzhov, Tom Stafford, Andreas Vlachos
• Abstract要約: 我々は、何によって心が変わるかを検出する方法を検討する。 そこで我々は,ニューラルネットワークの分類や言語に依存しない変化点検出など,さまざまな手法を取り入れた。 これらの手法の評価は,タスクは自明なものではないが,学習とランクのトレーニングを併用した言語認識モデルを用いることが最善の方法であることを示している。
• 参考スコア（独自算出の注目度）: 17.152995902615235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People leverage group discussions to collaborate in order to solve complex tasks, e.g. in project meetings or hiring panels. By doing so, they engage in a variety of conversational strategies where they try to convince each other of the best approach and ultimately reach a decision. In this work, we investigate methods for detecting what makes someone change their mind. To this end, we leverage a recently introduced dataset containing group discussions of people collaborating to solve a task. To find out what makes someone change their mind, we incorporate various techniques such as neural text classification and language-agnostic change point detection. Evaluation of these methods shows that while the task is not trivial, the best way to approach it is using a language-aware model with learning-to-rank training. Finally, we examine the cues that the models develop as indicative of the cause of a change of mind.
• Abstract（参考訳）: 人々は、プロジェクトミーティングや採用パネルなど、複雑なタスクを解決するためにグループディスカッションを活用しています。 そうすることで、彼らはさまざまな会話戦略に取り組み、最高のアプローチを互いに説得し、最終的に決定に到達しようとする。 そこで本研究では,誰かの心変わりを検知する手法について検討する。 この目的のために,課題解決のために協力する人々のグループディスカッションを含む,最近導入されたデータセットを活用する。 そこで我々は,ニューラルネットワークの分類や言語に依存しない変化点検出など,さまざまな手法を取り入れた。 これらの手法の評価は,タスクは自明なものではないが,学習とランクのトレーニングを併用した言語認識モデルを用いることが最善の方法であることを示している。 最後に、モデルが心の変化の原因を示す指標として発達する手がかりについて検討する。

関連論文リスト

• The effect of diversity on group decision-making [11.079483551335597]
  小集団は対話を通じて直感的なバイアスを克服し、個人の意思決定を改善することができることを示す。 大規模なサンプルと異なる運用方法によって、より認知的な多様性がより成功したグループ熟考と結びついていることが一貫して明らかになる。
  論文  参考訳（メタデータ） (2024-02-02T14:15:01Z)
• Plan, Verify and Switch: Integrated Reasoning with Diverse X-of-Thoughts [65.15322403136238]
  我々は,多種多様な推論の思考をLCMに促すことにより,総合的な問題解決フレームワーク XoT を提案する。 各質問に対して、XoTは常に最も適切なメソッドを選択して始まり、各メソッドを反復的に実行する。 各イテレーション内で、XoTは生成された回答の有効性を積極的にチェックし、外部エグゼクタからのフィードバックを取り入れます。
  論文  参考訳（メタデータ） (2023-10-23T07:02:20Z)
• MindDial: Belief Dynamics Tracking with Theory-of-Mind Modeling for Situated Neural Dialogue Generation [62.44907105496227]
  MindDialは、Mind-of-mindモデリングで位置決め自由形式の応答を生成できる、新しい対話型フレームワークである。 本研究では、話者の信念と話者の聴取者の信念を予測できる明示的なマインドモジュールを導入する。 筆者らのフレームワークは,提案手法と微調整モデルの両方に適用され,共通地盤アライメントとネゴシエーションの両方を含むシナリオで評価される。
  論文  参考訳（メタデータ） (2023-06-27T07:24:32Z)
• Decision-Oriented Dialogue for Human-AI Collaboration [62.367222979251444]
  そこでは,大規模言語モデル(LM)のようなAIアシスタントが,自然言語を介して複数の人間と協調して複雑な意思決定を行うための,意思決定指向対話と呼ばれるタスクのクラスについて述べる。 日常的な意思決定に直面する3つの領域を定式化し,(1)レビュアーの会議論文への課題の選択,(2)都市における複数段階の旅程の計画,(3)友人集団の旅行計画の交渉を行う。 各タスクに対して、エージェントが到達した最終決定の質に基づいて報酬を受け取る対話環境を構築する。
  論文  参考訳（メタデータ） (2023-05-31T17:50:02Z)
• Solving NLP Problems through Human-System Collaboration: A Discussion-based Approach [98.13835740351932]
  本研究の目的は,対話を通じて予測を議論・洗練するシステムのための,データセットと計算フレームワークを構築することである。 提案システムでは,自然言語推論タスクにおいて,最大25ポイントの精度向上が期待できることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:24:50Z)
• Tree of Thoughts: Deliberate Problem Solving with Large Language Models [52.31950122881687]
  言語モデル推論のための新しいフレームワーク、Tree of Thoughts (ToT)を紹介します。 ToTは、言語モデルを促進するために人気のChain of Thoughtアプローチを一般化する。 実験の結果,ToTは言語モデルの問題解決能力を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-05-17T23:16:17Z)
• Learning from data in the mixed adversarial non-adversarial case: Finding the helpers and ignoring the trolls [28.903534969338015]
  このような環境で堅牢な学習を行う方法について研究する。 安全性を学習する手法と有害言語を評価できるベンチマーク評価であるSafetyMixを導入する。 本稿では,実例でもユーザレベルでもトロルを識別する緩和学習アルゴリズムを提案し,分析する。
  論文  参考訳（メタデータ） (2022-08-05T17:33:33Z)
• Few-Shot Emotion Recognition in Conversation with Sequential Prototypical Networks [0.0]
  私たちは、会話の流れの中で感情と彼らの進化を検出したいという、チャットのカスタマーサービスのスコープに自分自身を置きます。 これらの課題は、Few-Shot Learningを用いて、異なる言語やスパースラベルの会話感情分類に役立てることができると仮説を立てながら解決する。 本手法は、英語の日次会話とフランス語のカスタマーサービスチャットの2つの異なる言語からなるデータセットで検証する。
  論文  参考訳（メタデータ） (2021-09-20T08:33:38Z)
• Towards Improved and Interpretable Deep Metric Learning via Attentive Grouping [103.71992720794421]
  グループ化は、様々な特徴の計算にディープ・メトリック・ラーニングでよく用いられてきた。 本稿では,任意のメトリクス学習フレームワークと柔軟に統合可能な,改良された解釈可能なグループ化手法を提案する。
  論文  参考訳（メタデータ） (2020-11-17T19:08:24Z)
• Answer Identification in Collaborative Organizational Group Chat [4.062043689926534]
  グループチャットは、相互に交わされた会話と「常に」可用性によって特徴付けられる。 我々のカーネル密度推定(KDE)に基づくクラスタリングアプローチであるAns-Chatは暗黙的に解答識別の手段として議論パターンを学習する。
  論文  参考訳（メタデータ） (2020-11-04T09:42:54Z)

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。