論文の概要: POSGen: Personalized Opening Sentence Generation for Online Insurance Sales

• arxiv url: http://arxiv.org/abs/2302.06470v1
• Date: Fri, 10 Feb 2023 01:40:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 15:04:21.068439
• Title: POSGen: Personalized Opening Sentence Generation for Online Insurance Sales
• Title（参考訳）: POSGen:オンライン保険販売のパーソナライズされた公開文生成
• Authors: Yu Li, Yi Zhang, Weijia Wu, Zimu Zhou and Qiang Li
• Abstract要約: POSGenは、オンライン保険販売専用のパーソナライズされた公開文生成スキームである。 会話トピックレコメンデーションを強化するために、補助的なオンラインユーザ行動から学んだユーザ埋め込みを転送する。 総保険料は2ヶ月のグローバルテストで2.33倍に向上している。
• 参考スコア（独自算出の注目度）: 26.778998018197367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The insurance industry is shifting their sales mode from offline to online, in expectation to reach massive potential customers in the digitization era. Due to the complexity and the nature of insurance products, a cost-effective online sales solution is to exploit chatbot AI to raise customers' attention and pass those with interests to human agents for further sales. For high response and conversion rates of customers, it is crucial for the chatbot to initiate a conversation with personalized opening sentences, which are generated with user-specific topic selection and ordering. Such personalized opening sentence generation is challenging because (i) there are limited historical samples for conversation topic recommendation in online insurance sales and (ii) existing text generation schemes often fail to support customized topic ordering based on user preferences. We design POSGen, a personalized opening sentence generation scheme dedicated for online insurance sales. It transfers user embeddings learned from auxiliary online user behaviours to enhance conversation topic recommendation, and exploits a context management unit to arrange the recommended topics in user-specific ordering for opening sentence generation. POSGen is deployed on a real-world online insurance platform. It achieves 2.33x total insurance premium improvement through a two-month global test.
• Abstract（参考訳）: 保険業界は、デジタル化時代に巨大な顧客を獲得することを期待して、販売モードをオフラインからオンラインに変更している。 保険商品の複雑さと性質のため、コスト効率のよいオンライン販売ソリューションは、チャットボットAIを利用して顧客の注意を喚起し、さらなる販売のために人事担当者に利益をもたらす。 ユーザの応答率やコンバージョン率が高い場合には、チャットボットがユーザ固有のトピック選択と順序付けで生成されるパーソナライズされたオープニング文との会話を開始することが重要である。 このようなパーソナライズされた文生成は難しい (i)オンライン保険販売における会話トピック推薦の履歴サンプルは限られている。 (II)既存のテキスト生成方式は、ユーザの好みに基づいてカスタマイズされたトピックオーダをサポートしないことが多い。 オンライン保険販売専用のパーソナライズされた公開文生成スキームであるPOSGenを設計する。 補助的なオンラインユーザの行動から学習したユーザ埋め込みを伝達し、会話トピックの推薦を強化し、コンテキスト管理ユニットを利用して、推奨トピックをユーザ固有の順序で配置し、文章生成を開始する。 POSGenは現実世界のオンライン保険プラットフォームにデプロイされている。 総保険料は2ヶ月のグローバルテストで2.33倍に向上している。

関連論文リスト

• Learning Retrieval Augmentation for Personalized Dialogue Generation [29.467644429517325]
  本稿では,対人対話生成における外部知識の活用の可能性について検討する。 補足データソースとしてROCStoryを用いたCONVAI2データセットを用いて行った実験では,提案手法がベースラインを大幅に上回ることが示された。
  論文  参考訳（メタデータ） (2024-06-27T02:38:13Z)
• Injecting Salesperson's Dialogue Strategies in Large Language Models with Chain-of-Thought Reasoning [23.919423630938226]
  SalesBotは、Chit-chatからタスク指向のシナリオへ移行し、セールスエージェントをトレーニングする対話をシミュレートする。 最初のデータはスムーズなトランジションとコヒーレントなロングターンダイアログを欠いていたため、セールス・カストマー相互作用の自然性が低かった。 営業担当者のインタラクションを学習し,チェーン・オブ・ソート(CoT)推論を用いた新しいモデル「SalesAgent」を紹介した。
  論文  参考訳（メタデータ） (2024-04-29T10:12:04Z)
• Salespeople vs SalesBot: Exploring the Role of Educational Value in Conversational Recommender Systems [78.84530426424838]
  既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。 このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。 私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
  論文  参考訳（メタデータ） (2023-10-26T19:44:06Z)
• NewsDialogues: Towards Proactive News Grounded Conversation [72.10055780635625]
  本稿では,対話システムがニュースの重要な話題に基づいて会話を積極的にリードする新しいタスク,Proactive News Grounded Conversationを提案する。 この課題をさらに発展させるために、人間と人間の対話データセットtsNewsDialoguesを収集し、合計14.6Kの発話を含む1Kの会話を含む。
  論文  参考訳（メタデータ） (2023-08-12T08:33:42Z)
• ChatGPT for Us: Preserving Data Privacy in ChatGPT via Dialogue Text Ambiguation to Expand Mental Health Care Delivery [52.73936514734762]
  ChatGPTは人間のような対話を生成する能力で人気を集めている。 データに敏感なドメインは、プライバシとデータ所有に関する懸念から、ChatGPTを使用する際の課題に直面している。 ユーザのプライバシーを守るためのテキスト曖昧化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-19T02:09:52Z)
• Controllable Mixed-Initiative Dialogue Generation through Prompting [50.03458333265885]
  混合開始対話タスクには、情報の繰り返し交換と会話制御が含まれる。 エージェントは、ポリシープランナーが定める特定の対話意図や戦略に従う応答を生成することにより、コントロールを得る。 標準的なアプローチは、これらの意図に基づいて生成条件を実行するために、訓練済みの言語モデルを微調整している。 代わりに、条件生成の微調整に代えて、大きな言語モデルをドロップインで置き換えるように促します。
  論文  参考訳（メタデータ） (2023-05-06T23:11:25Z)
• Towards Personalized Answer Generation in E-Commerce via Multi-Perspective Preference Modeling [62.049330405736406]
  Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。 なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。 PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-27T07:51:49Z)
• Improved Goal Oriented Dialogue via Utterance Generation and Look Ahead [5.062869359266078]
  ディープテキスト・トゥ・テキスト・ニューラルモデルをトレーニングし、ラベルなし対話データから連続したユーザ発話を生成することにより、インテント予測を改善することができる。 本稿では,ユーザの発話生成を用いて意図予測を時間内に改善する新しいルックアヘッド手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T11:12:48Z)
• Offline and Online Satisfaction Prediction in Open-Domain Conversational Systems [10.576497782941697]
  本研究では,オープンドメインの会話エージェントであるConvSATに特化して設計された会話満足度予測モデルを提案する。 ドメイン間で堅牢に操作するために、ConvSATは会話の複数の表現、すなわち会話履歴、発話と応答の内容、システム指向およびユーザ指向の行動シグナルを集約する。 実験の結果,ConvSATは,以前に報告した最先端アプローチと比較して,オフラインおよびオンライン両方のデータセットに対する満足度予測を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2020-06-02T20:04:56Z)

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。

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。