論文の概要: OpinionConv: Conversational Product Search with Grounded Opinions
- arxiv url: http://arxiv.org/abs/2308.04226v1
- Date: Tue, 8 Aug 2023 12:45:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 12:55:54.183394
- Title: OpinionConv: Conversational Product Search with Grounded Opinions
- Title（参考訳）: opinionconv: 接頭辞を持つ会話型製品検索
- Authors: Vahid Sadiri Javadi, Martin Potthast, Lucie Flek
- Abstract要約: 製品レビューを製品意見の豊富な情報源として使用して、真に主観的な物語に会話AIを基盤としています。
OpinionConvでは,営業会話をシミュレートする最初の対話型AIを開発した。
- 参考スコア（独自算出の注目度）: 25.34707457278247
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: When searching for products, the opinions of others play an important role in
making informed decisions. Subjective experiences about a product can be a
valuable source of information. This is also true in sales conversations, where
a customer and a sales assistant exchange facts and opinions about products.
However, training an AI for such conversations is complicated by the fact that
language models do not possess authentic opinions for their lack of real-world
experience. We address this problem by leveraging product reviews as a rich
source of product opinions to ground conversational AI in true subjective
narratives. With OpinionConv, we develop the first conversational AI for
simulating sales conversations. To validate the generated conversations, we
conduct several user studies showing that the generated opinions are perceived
as realistic. Our assessors also confirm the importance of opinions as an
informative basis for decision-making.
- Abstract（参考訳）: 製品を探すとき、他人の意見はインフォームドな意思決定において重要な役割を果たす。
製品に関する主観的な経験は貴重な情報源になり得る。
これはまた、顧客とセールスアシスタントが製品に関する事実や意見を交換する販売会話においても当てはまる。
しかし、そのような会話のためにAIを訓練することは、言語モデルが実世界の経験の欠如に対して真の意見を持っていないという事実によって複雑である。
製品レビューを製品意見の豊富な情報源として活用し、真に主観的な物語の中で対話型AIを基礎にすることでこの問題に対処する。
OpinionConvでは,営業会話をシミュレートする最初の対話型AIを開発した。
生成した会話を検証するために,生成した意見が現実的であると認識されることを示すユーザスタディを複数実施する。
また, 意思決定の根拠として, 意見の重要性も確認した。
関連論文リスト
- Learning to Ask: Conversational Product Search via Representation Learning [34.689904564411506]
本研究では,対話型商品検索モデルであるConvPSを提案する。
このモデルはまず、ユーザ、クエリ、アイテム、会話のセマンティック表現を共同で学習するように訓練されている。
提案したConvPSモデルは,ユーザ,クエリ,アイテム,会話の表現学習を統合された生成フレームワークに統合することができる。
論文 参考訳（メタデータ） (2024-11-18T14:05:43Z) - 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) - Language Models: A Guide for the Perplexed [51.88841610098437]
このチュートリアルは、言語モデルを学ぶ人と、興味を持ち、もっと学びたいと思う人とのギャップを狭めることを目的としています。
実験を通して学ぶことができる質問に焦点を当てた科学的視点を提供する。
言語モデルは、現在、その開発に繋がる研究の文脈に置かれています。
論文 参考訳（メタデータ） (2023-11-29T01:19:02Z) - 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) - UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。
我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
論文 参考訳（メタデータ） (2023-10-02T17:40:01Z) - Discern: Discourse-Aware Entailment Reasoning Network for Conversational
Machine Reading [157.14821839576678]
Discernは、ドキュメントとダイアログの両方の理解を強化するために、接続を強化し、理解を深める、談話対応の係り受け推論ネットワークである。
実験の結果,意思決定におけるマクロ平均精度78.3%,フォローアップ質問生成における64.0 BLEU1が得られた。
論文 参考訳（メタデータ） (2020-10-05T07:49:51Z) - Opinion-aware Answer Generation for Review-driven Question Answering in
E-Commerce [39.08269647808958]
製品レビューにおける個人的意見に関する豊富な情報は、現在世代ベースのレビュー駆動QA研究では利用されていない。
本稿では,一貫したモデルで回答生成と意見マイニングタスクを共同で学習することで,意見認識型回答生成に取り組む。
実世界のEコマースQAデータセットにおいて,本手法が優れた性能を発揮することを示す実験結果を得た。
論文 参考訳（メタデータ） (2020-08-27T07:54:45Z) - Fact-based Dialogue Generation with Convergent and Divergent Decoding [2.28438857884398]
本稿では,コンバージェントな思考能力を備えたエンドツーエンドのファクトベース対話システムを提案する。
我々のモデルは、情報的かつ多様な応答を生成できる新しい収束および分岐復号を組み込んでいる。
論文 参考訳（メタデータ） (2020-05-06T23:49:35Z) - A Corpus of Controlled Opinionated and Knowledgeable Movie Discussions
for Training Neural Conversation Models [15.77024720697733]
映画討論の分野において,各対話が事前に特定された事実や意見に基づいている新しいラベル付き対話データセットを導入する。
本研究は,参加者が与えられた事実と意見プロファイルに忠実に従属する上で,収集した対話を徹底的に検証し,この点の一般的な品質が高いことを確認する。
我々は、このデータに基づいて訓練されたエンドツーエンドの自己注意デコーダモデルをベースラインとして導入し、意見応答を生成可能であることを示す。
論文 参考訳（メタデータ） (2020-03-30T11:17:31Z) - IART: Intent-aware Response Ranking with Transformers in
Information-seeking Conversation Systems [80.0781718687327]
我々は、情報探索会話におけるユーザ意図パターンを分析し、意図認識型ニューラルレスポンスランキングモデル「IART」を提案する。
IARTは、ユーザ意図モデリングと言語表現学習とTransformerアーキテクチャの統合の上に構築されている。
論文 参考訳（メタデータ） (2020-02-03T05:59:52Z) - Teddy: A System for Interactive Review Analysis [17.53582677866512]
データサイエンティストは、レビューテキストに埋め込まれた情報を抽出、集約、理解するためのルールとモデルを開発することでレビューを分析する。
Teddyはインタラクティブなシステムで、データサイエンティストがレビューから素早く洞察を得て、パイプラインの抽出とモデリングを改善することができる。
論文 参考訳（メタデータ） (2020-01-15T08:19:01Z)
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。