論文の概要: An Analysis of Dialogue Repair in Virtual Voice Assistants
- arxiv url: http://arxiv.org/abs/2307.07076v1
- Date: Thu, 13 Jul 2023 21:57:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-17 15:19:22.819687
- Title: An Analysis of Dialogue Repair in Virtual Voice Assistants
- Title(参考訳): 仮想音声アシスタントにおける対話修復の分析
- Authors: Matthew Carson Galbraith and Mireia G\'omez i Mart\'inez
- Abstract要約: 本研究は、英語とスペイン語の両方で2人の人気のあるアシスタントによる補修開始器の使用について検討した。
最終的に、データは、人間のアシスタントと人間の対話修復戦略に違いがあるだけでなく、アシスタントと研究言語にも同様の違いがあることを実証した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language speakers often use what are known as repair initiators to mend
fundamental disconnects that occur between them during verbal communication.
Previous research in this field has mainly focused on the human-to-human use of
repair initiator. We proposed an examination of dialogue repair structure
wherein the dialogue initiator is human and the party that initiates or
responds to the repair is a virtual assistant. This study examined the use of
repair initiators in both English and Spanish with two popular assistants,
Google Assistant and Apple's Siri. Our aim was to codify the differences, if
any, in responses by voice assistants to dialogues in need of repair as
compared to human-human dialogues also in need of repair. Ultimately the data
demonstrated that not only were there differences between human-assistant and
human-human dialogue repair strategies, but that there were likewise
differences among the assistants and the languages studied.
- Abstract(参考訳): 言語話者は、言葉によるコミュニケーションの間に生じる基本的な切断を和らげるために、修理開始者として知られるものを使うことが多い。
この分野でのこれまでの研究は、主に修理開始者の人間と人間の使用に焦点を当ててきた。
我々は,対話開始者が人間であり,修復に反応する相手が仮想アシスタントである対話修復構造の検討を提案した。
本研究は、英語とスペイン語の両方で、google assistantとappleのsiriという2つの人気のあるアシスタントによる修理開始器の使用を調査した。
本研究の目的は,人間の対話に対する音声アシスタントの反応と,補修が必要な対話との差異を体系化することであった。
最終的には、人間と人間の対話の修復戦略には違いがあるだけでなく、アシスタントと研究対象言語の間にも同様に違いがあることが示されている。
関連論文リスト
- Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳(メタデータ) (2024-11-07T21:37:51Z) - An Analysis of Dialogue Repair in Voice Assistants [0.0]
音声対話システムは、クエリに対するリアルタイム応答を提供することによって、人間と機械のインタラクションを変革した。
本研究では,仮想アシスタントとユーザ間の対話修復における対話言語の重要性について検討する。
発見は、いくつかのアシスタント生成戦略を明らかにしているが、"hh?"のような人間のような修復戦略を再現できない。
論文 参考訳(メタデータ) (2023-11-07T12:50:11Z) - Question-Interlocutor Scope Realized Graph Modeling over Key Utterances
for Dialogue Reading Comprehension [61.55950233402972]
本稿では,対話読解のためのキーワード抽出手法を提案する。
複数の連続した発話によって形成された単位に対して予測を行い、より多くの回答を含む発話を実現する。
発話のテキスト上に構築されたグラフとして,質問-対話者スコープ実現グラフ(QuISG)モデルを提案する。
論文 参考訳(メタデータ) (2022-10-26T04:00:42Z) - Self-supervised Speaker Recognition Training Using Human-Machine
Dialogues [22.262550043863445]
顧客とスマートスピーカーデバイス間の対話を利用して、話者認識モデルを事前訓練する方法を検討する。
本稿では,その音響的均一性に基づいて対話から選択的に学習する効果的な拒絶機構を提案する。
実験により,提案手法は従来よりも優れた性能向上をもたらすことが示された。
論文 参考訳(メタデータ) (2022-02-07T19:44:54Z) - Actionable Conversational Quality Indicators for Improving Task-Oriented
Dialog Systems [2.6094079735487994]
本稿では、ACQI(Actionable Conversational Quality Indicator)の使用について紹介し、解説する。
ACQIは、改善可能なダイアログの一部を認識し、改善する方法を推奨するために使用される。
本稿では、商用顧客サービスアプリケーションで使用されるLivePersonの内部ダイアログシステムにおけるACQIの使用の有効性を示す。
論文 参考訳(メタデータ) (2021-09-22T22:41:42Z) - A Review of Speaker Diarization: Recent Advances with Deep Learning [78.20151731627958]
スピーカーダイアリゼーションは、スピーカーのアイデンティティに対応するクラスでオーディオまたはビデオ録画をラベル付けするタスクです。
ディープラーニング技術の台頭に伴い、話者ダイアリゼーションのためのさらなる急速な進歩がなされている。
話者ダイアリゼーションシステムが音声認識アプリケーションとどのように統合されているかについて議論する。
論文 参考訳(メタデータ) (2021-01-24T01:28:05Z) - Filling the Gap of Utterance-aware and Speaker-aware Representation for
Multi-turn Dialogue [76.88174667929665]
マルチターン対話は、2つ以上の異なる話者の役割から複数の発話からなる。
既存の検索に基づくマルチターン対話モデルでは、事前訓練された言語モデル(PrLM)をエンコーダとして、対話を粗く表現する。
本稿では,対話履歴に係わる効果的な発話認識表現と話者認識表現をモデル化することにより,そのようなギャップを埋める新しいモデルを提案する。
論文 参考訳(メタデータ) (2020-09-14T15:07:19Z) - Contextual Dialogue Act Classification for Open-Domain Conversational
Agents [10.576497782941697]
会話におけるユーザ発話の一般的な意図を分類することは、会話エージェントのための自然言語理解(NLU)の重要なステップである。
本稿では,文脈対話行為分類のための簡易かつ効果的な深層学習手法であるCDAC(Contextual Dialogue Act)を提案する。
我々は、人-機械対話における対話行動を予測するために、トランスファーラーニングを用いて人間-機械対話で訓練されたモデルを適用する。
論文 参考訳(メタデータ) (2020-05-28T06:48:10Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳(メタデータ) (2020-04-17T03:51:57Z) - 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。