論文の概要: Detecting agreement in multi-party dialogue: evaluating speaker
diarisation versus a procedural baseline to enhance user engagement
- arxiv url: http://arxiv.org/abs/2311.03021v1
- Date: Mon, 6 Nov 2023 11:00:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 14:49:41.131988
- Title: Detecting agreement in multi-party dialogue: evaluating speaker
diarisation versus a procedural baseline to enhance user engagement
- Title（参考訳）: 多人数対話における合意の検出--ユーザエンゲージメントを高めるための手続きベースラインと話者ダイアリゼーションの評価
- Authors: Angus Addlesee, Daniel Denley, Andy Edmondson, Nancie Gunson, Daniel
Hern\'andez Garcia, Alexandre Kha, Oliver Lemon, James Ndubuisi, Neil
O'Reilly, Lia Perochaud, Rapha\"el Valeri, Miebaka Worika
- Abstract要約: 本研究は,会話エージェントがクイズショーホストとして機能する協調クイズを用いて,ダイアリゼーションと周波数および確率に基づく手法が合意決定においてより正確かどうかを判定する。
実験結果から,我々のプロシージャシステムは選手により関与し,合意を検出するのがより正確であることが示唆された。
- 参考スコア（独自算出の注目度）: 33.93135348317864
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conversational agents participating in multi-party interactions face
significant challenges in dialogue state tracking, since the identity of the
speaker adds significant contextual meaning. It is common to utilise
diarisation models to identify the speaker. However, it is not clear if these
are accurate enough to correctly identify specific conversational events such
as agreement or disagreement during a real-time interaction. This study uses a
cooperative quiz, where the conversational agent acts as quiz-show host, to
determine whether diarisation or a frequency-and-proximity-based method is more
accurate at determining agreement, and whether this translates to feelings of
engagement from the players. Experimental results show that our procedural
system was more engaging to players, and was more accurate at detecting
agreement, reaching an average accuracy of 0.44 compared to 0.28 for the
diarised system.
- Abstract（参考訳）: 多人数対話に参加する会話エージェントは、話者のアイデンティティが重要な文脈意味を付加するため、対話状態追跡において重大な課題に直面している。
話者を特定するためにダイアリゼーションモデルを利用するのが一般的である。
しかし、リアルタイム対話における合意や不一致などの特定の会話イベントを正しく識別できるほど正確かどうかは不明である。
本研究は,会話エージェントがクイズショーホストとして機能する協調クイズを用いて,合意決定においてダイアリゼーションや頻度・確率に基づく手法がより正確かどうか,また,プレイヤーのエンゲージメント感に寄与するかどうかを判定する。
実験の結果, プロシーデュラルシステムは, プレーヤにとってより興味深く, 一致検出の精度が高く, 平均精度0.44 であり, ダイアリステッドシステムでは 0.28 であった。
関連論文リスト
- CKERC : Joint Large Language Models with Commonsense Knowledge for
Emotion Recognition in Conversation [0.0]
会話における感情認識(英: Emotion Recognition in conversation、ERC)とは、会話の文脈における発話の感情を予測するタスクである。
会話における感情認識のための共通知識フレームワークであるCKERCを提案する。
論文 参考訳（メタデータ） (2024-03-12T02:37:11Z) - An Analysis of User Behaviors for Objectively Evaluating Spoken Dialogue
Systems [26.003947740875482]
ソーシャル対話タスクにおけるユーザ行動と主観的評価スコアの関係について検討する。
その結果, ユーザの発話が主である対話作業においては, 聞き取りや面接など, 発話数や単語数などの指標が重要な役割を担っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-01-10T01:02:26Z) - 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) - "How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken
Conversations [87.95711406978157]
本研究は、音声タスク指向会話における新しいベンチマークを示す。
マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。
我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
論文 参考訳（メタデータ） (2021-09-28T04:51:04Z) - DialogueBERT: A Self-Supervised Learning based Dialogue Pre-training
Encoder [19.51263716065853]
本稿では,人気のある事前学習型言語モデルBERTに基づく新しい文脈対話エンコーダ(ダイアログBERT)を提案する。
5つの自己教師型学習事前学習課題が,対話音声の特異性を学習するために考案された。
DialogueBERTは、実シナリオで7000万の対話で事前訓練され、3つの異なる下流対話理解タスクで微調整された。
論文 参考訳（メタデータ） (2021-09-22T01:41:28Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - A Data-driven Approach to Estimate User Satisfaction in Multi-turn
Dialogues [22.298425763949634]
マルチターン対話の評価は依然として困難です。
同じ経験を複雑さのレベルが異なる2つのタスクに割り当てるのは誤解を招く。
文脈に敏感で長期的な視点を持つ対話のターンレベルの満足度を推定する新しい手法を開発しています。
論文 参考訳（メタデータ） (2021-03-01T20:00:28Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳（メタデータ） (2020-05-27T02:05:33Z) - Learning an Unreferenced Metric for Online Dialogue Evaluation [53.38078951628143]
本稿では,大規模な事前学習言語モデルを用いて発話の潜在表現を抽出する非参照自動評価指標を提案する。
提案手法は,オンライン環境でのアノテーションと高い相関性を実現すると同時に,推論時に比較に真の応答を必要としないことを示す。
論文 参考訳（メタデータ） (2020-05-01T20:01:39Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。