Fugu-MT 論文翻訳(概要): Meeting Decision Tracker: Making Meeting Minutes with De-Contextualized Utterances

論文の概要: Meeting Decision Tracker: Making Meeting Minutes with De-Contextualized Utterances

arxiv url: http://arxiv.org/abs/2210.11374v1
Date: Thu, 20 Oct 2022 16:14:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-21 14:31:15.790245
Title: Meeting Decision Tracker: Making Meeting Minutes with De-Contextualized Utterances
Title（参考訳）: 会議決定追跡装置:非文脈的発話による会議時間を短縮する
Authors: Shumpei Inoue, Hy Nguyen, Pham Viet Hoang, Tsungwei Liu, Minh-Tien Nguyen
Abstract要約: Meeting Decision Trackerは、意思決定項目を構築するためのプロトタイプシステムである。 DURは、自然な会話における発話の崩壊に対処することで、ユーザエクスペリエンスの向上に多大な貢献をしていることを示す。
参考スコア（独自算出の注目度）: 1.3299507495084417
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Meetings are a universal process to make decisions in business and project collaboration. The capability to automatically itemize the decisions in daily meetings allows for extensive tracking of past discussions. To that end, we developed Meeting Decision Tracker, a prototype system to construct decision items comprising decision utterance detector (DUD) and decision utterance rewriter (DUR). We show that DUR makes a sizable contribution to improving the user experience by dealing with utterance collapse in natural conversation. An introduction video of our system is also available at https://youtu.be/TG1pJJo0Iqo.
Abstract（参考訳）: ミーティングは、ビジネスとプロジェクトのコラボレーションで決定する普遍的なプロセスです。毎日のミーティングで意思決定を自動的に項目化する機能は、過去の議論を広範囲に追跡することができる。そこで我々は,決定発話検出装置 (DUD) と決定発話リライタ (DUR) を組み合わせた意思決定項目作成システムであるミーティング決定トラッカーを開発した。自然会話における発話の崩壊に対処し,durがユーザエクスペリエンスの向上に多大な貢献をすることを示す。このシステムの紹介ビデオもhttps://youtu.be/tg1pjjo0iqoで閲覧できます。

関連論文リスト

Leveraging Large Language Models for Collective Decision-Making [7.7254450638158]
ミーティングのスケジューリング、コラボレーション、プロジェクト計画など、さまざまな作業コンテキストにおいて、集合的な意思決定は不可欠だが、しばしば困難である。本稿では,Large Language Models (LLMs) を利用して,対話の管理と個人の好みのバランスをとることによって,グループ意思決定を容易にするシステムを提案する。
論文参考訳（メタデータ） (2023-11-03T18:27:21Z)
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)
Bridging The Gap: Entailment Fused-T5 for Open-retrieval Conversational Machine Reading Comprehension [48.529698533726496]
オープン検索型会話機械読解は実生活における対話シーンをシミュレートする。最近の研究では、意思決定と質問生成の間の情報ギャップを減らす方法が検討されている。本稿では,意思決定と生成の間の情報ギャップを埋めるため,EFT(Entailment Fused-T5)と呼ばれる新しい一段階のエンドツーエンドフレームワークを提案する。
論文参考訳（メタデータ） (2022-12-19T10:38:30Z)
End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
論文参考訳（メタデータ） (2022-04-29T17:56:59Z)
Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文参考訳（メタデータ） (2022-03-14T17:40:42Z)
Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2021-08-28T08:04:28Z)
RADAR-X: An Interactive Mixed Initiative Planning Interface Pairing Contrastive Explanations and Revised Plan Suggestions [30.98066157540983]
本稿では,対話型説明対話におけるユーザ参加能力を示す決定支援システムRADAR-Xを提案する。本システムは,ユーザの潜在的嗜好を引き出すためにこの対話を利用し,3つの異なるインタラクション戦略を通じて計画提案を改訂する。
論文参考訳（メタデータ） (2020-11-19T04:18:38Z)
Distributed Structured Actor-Critic Reinforcement Learning for Universal Dialogue Management [29.57382819573169]
我々は,ユーザに対応する対話行動を選択するポリシーの策定に重点を置いている。逐次的なシステム決定プロセスは、部分的に観察可能なマルコフ決定プロセスに抽象化することができる。過去数年間、ニューラルネットワーク(NN)を関数近似器として利用するディープ強化学習(DRL)アルゴリズムが数多く存在する。
論文参考訳（メタデータ） (2020-09-22T05:39:31Z)
Inverse Active Sensing: Modeling and Understanding Timely Decision-Making [111.07204912245841]
我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
論文参考訳（メタデータ） (2020-06-25T02:30:45Z)
Bridging the Gap: Providing Post-Hoc Symbolic Explanations for Sequential Decision-Making Problems with Inscrutable Representations [44.016120003139264]
本稿では、逐次的意思決定設定のためのユーザ特定概念の観点から、コントラスト的な説明を提供する手法を提案する。ユーザクエリに応答するために利用可能なタスクの局所近似の部分的記号モデルを構築することで、これを実現する。
論文参考訳（メタデータ） (2020-02-04T01:37:56Z)

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。