論文の概要: A Personalized Utterance Style (PUS) based Dialogue Strategy for
Efficient Service Requirement Elicitation
- arxiv url: http://arxiv.org/abs/2301.04582v1
- Date: Sat, 7 Jan 2023 04:10:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-12 14:01:47.803565
- Title: A Personalized Utterance Style (PUS) based Dialogue Strategy for
Efficient Service Requirement Elicitation
- Title（参考訳）: パーソナライズされた発話スタイル(PUS)を用いた効率的なサービス要求応答のための対話戦略
- Authors: Demin Yu, Min Liu and Zhongjie Wang
- Abstract要約: 本稿では,ユーザに対して,潜在的な巨大な要件空間において,その完全かつ正確な要件を表現するための対話戦略を提案する。
本稿では,ユーザが要求を逐次的に表現する傾向にある現象に基づいて,Personalized Utterance Style (PUS) モジュールを提案する。
実験の結果, PUSとの対話戦略は, 対話ラウンドが少なく, より正確なユーザ要求を導出できることがわかった。
- 参考スコア（独自算出の注目度）: 6.252707603188898
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With the flourish of services on the Internet, a prerequisite for service
providers to precisely deliver services to their customers is to capture user
requirements comprehensively, accurately, and efficiently. This is called the
``Service Requirement Elicitation (SRE)'' task. Considering the amount of
customers is huge, it is an inefficient way for service providers to interact
with each user by face-to-face dialog. Therefore, to elicit user requirements
with the assistance of virtual intelligent assistants has become a mainstream
way. Since user requirements generally consist of different levels of details
and need to be satisfied by services from multiple domains, there is a huge
potential requirement space for SRE to explore to elicit complete requirements.
Considering that traditional dialogue system with static slots cannot be
directly applied to the SRE task, it is a challenge to design an efficient
dialogue strategy to guide users to express their complete and accurate
requirements in such a huge potential requirement space. Based on the
phenomenon that users tend to express requirements subjectively in a sequential
manner, we propose a Personalized Utterance Style (PUS) module to perceive the
personalized requirement expression habits, and then apply PUS to an dialogue
strategy to efficiently complete the SRE task. Specifically, the dialogue
strategy chooses suitable response actions for dynamically updating the
dialogue state. With the assistance of PUS extracted from dialogue history, the
system can shrink the search scope of potential requirement space. Experiment
results show that the dialogue strategy with PUS can elicit more accurate user
requirements with fewer dialogue rounds.
- Abstract（参考訳）: インターネット上のサービスの普及に伴い、サービスプロバイダが顧客にサービスを正確に提供するための前提条件は、ユーザの要求を包括的、正確に、効率的に捉えることである。
これを ``Service Requirement Elicitation (SRE)' タスクと呼ぶ。
顧客数を考えると、サービスプロバイダが対面ダイアログで各ユーザと対話する上で、非効率な方法である。
したがって、仮想インテリジェントアシスタントの助けを借りてユーザー要求を導き出すことが主流となっている。
ユーザ要求は一般的に異なるレベルの詳細で構成されており、複数のドメインのサービスによって満たされる必要があるため、完全な要求を導き出すためのSREには大きな潜在的な要件スペースがあります。
静的スロットを持つ従来の対話システムはsreタスクに直接適用できないことから,このような巨大な要件空間において,ユーザの完全かつ正確な要求を表現するための効率的な対話戦略を設計することが課題となる。
ユーザが要求を主観的に逐次的に表現する傾向にある現象に基づいて,個人化された要求表現習慣を知覚するパーソナライズド発話スタイル(pus)モジュールを提案し,対話戦略にpusを適用し,sreタスクを効率的に完了させる。
具体的には、対話状態の動的更新に適した応答動作を選択する。
対話履歴から抽出した PUS の助けにより,システムは潜在的な要求空間の探索範囲を縮小することができる。
実験の結果, PUSとの対話戦略は, 対話ラウンドが少なく, より正確なユーザ要求を導出できることがわかった。
関連論文リスト
- Planning with Large Language Models for Conversational Agents [51.12859325330882]
自律会話エージェント(CA)の制御性と能動性は重要な性質である
大規模言語モデル(LLM)を利用した計画型対話エージェントのための新しいフレームワークを提案する。
実験の結果,PCA-Dで微調整されたLCMは性能を著しく向上し,未確認領域に一般化できることがわかった。
論文 参考訳（メタデータ） (2024-07-04T12:23:02Z) - Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。
これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。
本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文 参考訳（メタデータ） (2023-10-31T14:12:07Z) - U-NEED: A Fine-grained Dataset for User Needs-Centric E-commerce
Conversational Recommendation [59.81301478480005]
現実のEコマースシナリオからユーザニーズ中心のEコマース対話推薦データセット(U-NEED)を構築した。
U-NEEDは,5つのカテゴリ (ii) 333,879のユーザ行動と, (iii) 332,148の製品知識の3種類のリソースで構成されている。
論文 参考訳（メタデータ） (2023-05-05T01:44:35Z) - Conversational Tree Search: A New Hybrid Dialog Task [21.697256733634124]
FAQ型情報検索とタスク指向対話のギャップを埋める新しいタスクとして,会話木探索(CTS)を導入した。
その結果,新たなアーキテクチャは,ベースラインで使用されるFAQとダイアログシステムの両方の肯定的な側面を結合し,より高い目標達成を実現していることがわかった。
論文 参考訳（メタデータ） (2023-03-17T19:50:51Z) - Improving Multi-turn Emotional Support Dialogue Generation with
Lookahead Strategy Planning [81.79431311952656]
感情支援のための新しいシステムMultiESCを提案する。
戦略プランニングでは,特定の戦略を使用した後のユーザフィードバックを見積もるルックアヘッドを提案する。
ユーザ状態モデリングにおいて、MultiESCはユーザーの微妙な感情表現を捉え、感情の原因を理解することに重点を置いている。
論文 参考訳（メタデータ） (2022-10-09T12:23:47Z) - Unified Knowledge Prompt Pre-training for Customer Service Dialogues [14.96556788113516]
顧客サービス対話のための新しい統合知識事前学習フレームワークUFAを提案する。
我々は、顧客サービス対話のすべてのタスクを統一されたテキスト・テキスト生成タスクとして定式化する。
自然言語理解(NLU)と自然言語生成(NLG)のベンチマークにおいて,大幅な改善がなされている。
論文 参考訳（メタデータ） (2022-08-31T06:23:53Z) - Requirements Elicitation in Cognitive Service for Recommendation [3.286378299443229]
本稿では,ユーザ要求適応フレームワーク(URef)と,注意に基づく応答生成モデルSaRSNetを提案する。
オープンデータセットemphDuRecDialの実験結果は,ベースラインと比較して大幅に改善されている。
論文 参考訳（メタデータ） (2022-03-29T07:44:59Z) - User Satisfaction Estimation with Sequential Dialogue Act Modeling in
Goal-oriented Conversational Systems [65.88679683468143]
我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。
USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。
4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2022-02-07T02:50:07Z) - What Does The User Want? Information Gain for Hierarchical Dialogue
Policy Optimisation [3.1433893853959605]
強化学習(RL)による最適化は、非効率性と不安定性のサンプリングに影響を受けやすい。
本稿では,この問題に対処するための情報ゲインに基づく本質的な報酬の利用を提案する。
FeudalGainと呼ばれる我々のアルゴリズムは、PyDialフレームワークのほとんどの環境で最先端の結果を得る。
論文 参考訳（メタデータ） (2021-09-15T07:21:26Z) - TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented
Dialogue [113.45485470103762]
本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。
事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
論文 参考訳（メタデータ） (2020-04-15T04:09:05Z)
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。