論文の概要: Ericson: An Interactive Open-Domain Conversational Search Agent

• arxiv url: http://arxiv.org/abs/2304.02233v1
• Date: Wed, 5 Apr 2023 05:28:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 13:30:49.910706
• Title: Ericson: An Interactive Open-Domain Conversational Search Agent
• Title（参考訳）: Ericson:対話型オープンドメイン会話検索エージェント
• Authors: Zihao Wang, Ali Ahmadvand, Jason Choi, Payam Karisani, Eugene Agichtein
• Abstract要約: オープンドメイン会話検索(ODCS)は、自然な会話を維持しながら、価値ある最新情報を提供することを目的としている。 我々は,現在最先端の質問応答と情報検索コンポーネントを含む,完全に機能的なODCSシステムであるEricsonを提案する。 私たちのシステムは、何千ものAlexaユーザーとライブ会話することで、Amazon Alexa Prizeでストレステストを受けました。
• 参考スコア（独自算出の注目度）: 13.240227004455217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open-domain conversational search (ODCS) aims to provide valuable, up-to-date information, while maintaining natural conversations to help users refine and ultimately answer information needs. However, creating an effective and robust ODCS agent is challenging. In this paper, we present a fully functional ODCS system, Ericson, which includes state-of-the-art question answering and information retrieval components, as well as intent inference and dialogue management models for proactive question refinement and recommendations. Our system was stress-tested in the Amazon Alexa Prize, by engaging in live conversations with thousands of Alexa users, thus providing empirical basis for the analysis of the ODCS system in real settings. Our interaction data analysis revealed that accurate intent classification, encouraging user engagement, and careful proactive recommendations contribute most to the users satisfaction. Our study further identifies limitations of the existing search techniques, and can serve as a building block for the next generation of ODCS agents.
• Abstract（参考訳）: オープンドメイン会話検索(ODCS)は、ユーザが情報ニーズを洗練し、最終的に答えるために自然な会話を維持しながら、価値ある最新情報を提供することを目的としている。 しかし、効果的で堅牢なODCSエージェントの作成は困難である。 本稿では,現在最先端の質問応答と情報検索機能を備えたフル機能型ODCSシステムであるEricsonと,アクティブな質問修正とレコメンデーションのための意図推論と対話管理モデルを提案する。 私たちのシステムは、何千ものAlexaユーザとライブ会話を行うことで、Amazon Alexa Prizeでストレステストを行い、実際の設定でODCSシステムを分析するための実証的な基盤を提供しました。 インタラクションデータ分析の結果,正確な意図分類,ユーザエンゲージメントの促進,注意深いプロアクティブレコメンデーションがユーザの満足度に大きく貢献することがわかった。 本研究は,既存の検索手法の限界を明らかにし,次世代ODCSエージェントのビルディングブロックとして機能する。

関連論文リスト

• ProCIS: A Benchmark for Proactive Retrieval in Conversations [21.23826888841565]
  本稿では,280万件以上の会話からなるプロアクティブな文書検索のための大規模データセットを提案する。 クラウドソーシング実験を行い、高品質で比較的完全な妥当性判定を行う。 また、各文書に関連する会話部分に関するアノテーションを収集し、前向きな検索システムの評価を可能にする。
  論文  参考訳（メタデータ） (2024-05-10T13:11:07Z)
• Towards Self-Contained Answers: Entity-Based Answer Rewriting in Conversational Search [19.147174273221452]
  本稿では,利用者が外部サービスや情報源を使わずに理解できるように,CISで回答を書き換える方法について検討する。 最初のコントリビューションとして、正当性のためのエンティティに注釈付けされた会話のデータセットを作成しました。 第2のコントリビューションとして,CIS全体のユーザエクスペリエンス向上を目的とした2つの回答書き直し戦略を提案する。
  論文  参考訳（メタデータ） (2024-03-04T05:52:41Z)
• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• INSCIT: Information-Seeking Conversations with Mixed-Initiative Interactions [47.90088587508672]
  InSCItは、混合開始型インタラクションによる情報探索会話のためのデータセットである。 ユーザーエージェントは805対人会話から4.7Kである。 対話型知識認識とオープンドメイン質問応答の最先端モデルに基づく2つのシステムの結果を報告する。
  論文  参考訳（メタデータ） (2022-07-02T06:18:12Z)
• Can I Be of Further Assistance? Using Unstructured Knowledge Access to Improve Task-oriented Conversational Modeling [39.60614611655266]
  この研究は、外部の非構造化の知識ソースを組み込むことによって、APIをカバーしていないユーザターンに応答することに焦点を当てている。 最初の2つのステップで新たなデータ拡張手法を導入し、対話コンテキストから抽出した情報を使用することで、知識選択とエンドツーエンドのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2021-06-16T23:31:42Z)
• Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
  現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。 CRS開発の主な課題を5つの方向にまとめます。 これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
  論文  参考訳（メタデータ） (2021-01-23T08:53:15Z)
• Seamlessly Unifying Attributes and Items: Conversational Recommendation for Cold-Start Users [111.28351584726092]
  コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。 会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
  論文  参考訳（メタデータ） (2020-05-23T08:56:37Z)
• Open-Retrieval Conversational Question Answering [62.11228261293487]
  オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。 ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
  論文  参考訳（メタデータ） (2020-05-22T19:39:50Z)
• Conversations with Search Engines: SERP-based Conversational Response Generation [77.1381159789032]
  我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。 また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。 CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
  論文  参考訳（メタデータ） (2020-04-29T13:07:53Z)

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。