論文の概要: Learning from Emotions, Demographic Information and Implicit User
Feedback in Task-Oriented Document-Grounded Dialogues
- arxiv url: http://arxiv.org/abs/2401.09248v1
- Date: Wed, 17 Jan 2024 14:52:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 15:36:31.800739
- Title: Learning from Emotions, Demographic Information and Implicit User
Feedback in Task-Oriented Document-Grounded Dialogues
- Title(参考訳): タスク指向文書群対話における感情・デモグラフィック情報・暗黙のユーザフィードバックからの学習
- Authors: Dominic Petrak, Thy Thy Tran, Iryna Gurevych
- Abstract要約: FEDIは、人口統計情報、ユーザ感情、暗黙のフィードバックを付加したタスク指向文書地上対話のための最初の英語対話データセットである。
FLAN-T5, GPT-2, LLaMA-2 を用いて行った実験から,これらのデータにより,タスク完了と実際の応答の整合性,ユーザの受容性が改善される可能性が示唆された。
- 参考スコア(独自算出の注目度): 59.516187851808375
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The success of task-oriented and document-grounded dialogue systems depends
on users accepting and enjoying using them. To achieve this, recently published
work in the field of Human-Computer Interaction suggests that the combination
of considering demographic information, user emotions and learning from the
implicit feedback in their utterances, is particularly important. However,
these findings have not yet been transferred to the field of Natural Language
Processing, where these data are primarily studied separately. Accordingly, no
sufficiently annotated dataset is available. To address this gap, we introduce
FEDI, the first English dialogue dataset for task-oriented document-grounded
dialogues annotated with demographic information, user emotions and implicit
feedback. Our experiments with FLAN-T5, GPT-2 and LLaMA-2 show that these data
have the potential to improve task completion and the factual consistency of
the generated responses and user acceptance.
- Abstract(参考訳): タスク指向対話システムとドキュメント接頭辞対話システムの成功は、それを受け入れて楽しむユーザに依存する。
これを実現するために、人間とコンピュータの相互作用の分野で最近発表された研究は、人口統計情報、ユーザ感情、発話中の暗黙のフィードバックから学ぶことの組み合わせが特に重要であることを示唆している。
しかし、これらの発見は自然言語処理の分野に移管されておらず、主に個別に研究されている。
そのため、十分な注釈付きデータセットは利用できない。
このギャップに対処するために、人口統計情報、ユーザ感情、暗黙のフィードバックを付加したタスク指向文書地上対話のための最初の英語対話データセットであるFEDIを紹介する。
FLAN-T5, GPT-2, LLaMA-2 を用いて行った実験から,これらのデータにより,タスク完了と実際の応答の整合性,ユーザの受容性が改善される可能性が示唆された。
関連論文リスト
- "You tell me": A Dataset of GPT-4-Based Behaviour Change Support
Conversations [1.30536490219656]
我々は2つのGPT-4ベースの会話エージェントを用いて、行動変化に関連するテキストベースのユーザインタラクションを含むデータセットを共有する。
このデータセットには、会話データ、ユーザ言語分析、知覚測定、LLM生成ターンに対するユーザフィードバックが含まれる。
論文 参考訳(メタデータ) (2024-01-29T13:54:48Z) - Learning From Free-Text Human Feedback -- Collect New Datasets Or Extend
Existing Ones? [57.16050211534735]
一般的な対話データセットにおける自由文フィードバックのタイプと頻度について検討する。
この結果から, エラータイプ, ユーザ応答タイプ, それらの関係性など, 調査したデータセットの構成に関する新たな知見が得られた。
論文 参考訳(メタデータ) (2023-10-24T12:01:11Z) - Evaluating Large Language Models for Document-grounded Response
Generation in Information-Seeking Dialogues [17.41334279810008]
情報検索対話の文脈において,ChatGPTのような大規模言語モデル(LLM)を用いた文書グラウンド応答生成について検討する。
評価には4つのソーシャルサービスドメインにおけるタスク指向対話のMultiDoc2Dialコーパスを用いる。
両方のChatGPT変異体は、おそらく幻覚の存在を含む関連セグメントに存在しない情報を含んでいる可能性が高いが、それらは共有タスクの勝利システムと人間の反応の両方よりも高い評価を受けている。
論文 参考訳(メタデータ) (2023-09-21T07:28:03Z) - Information Extraction and Human-Robot Dialogue towards Real-life Tasks:
A Baseline Study with the MobileCS Dataset [52.22314870976088]
SereTODチャレンジは、実際のユーザとChina Mobileのカスタマーサービススタッフの実際のダイアログ書き起こしで構成されるMobileCSデータセットを編成してリリースする。
MobileCSデータセットに基づいて、SereTODチャレンジには2つのタスクがあり、対話システム自体の構築を評価するだけでなく、ダイアログの書き起こしからの情報も抽出する。
本稿では主に,MobileCSデータセットを用いた2つのタスクのベースラインスタディを示す。
論文 参考訳(メタデータ) (2022-09-27T15:30:43Z) - SPACE-2: Tree-Structured Semi-Supervised Contrastive Pre-training for
Task-Oriented Dialog Understanding [68.94808536012371]
本稿では,限定ラベル付きダイアログと大規模未ラベルダイアログコーパスから対話表現を学習する,木構造付き事前学習会話モデルを提案する。
提案手法は,7つのデータセットと4つの一般的な対話理解タスクからなるDialoGLUEベンチマークにおいて,最新の結果が得られる。
論文 参考訳(メタデータ) (2022-09-14T13:42:50Z) - OPAL: Ontology-Aware Pretrained Language Model for End-to-End
Task-Oriented Dialogue [40.62090743056549]
本稿では、エンドツーエンドタスク指向対話(TOD)のためのオントロジー対応事前学習言語モデル(OPAL)を提案する。
チャット型対話モデルとは異なり、タスク指向対話モデルは少なくとも2つのタスク固有モジュールを満たす:対話状態トラッカー(DST)と応答生成器(RG)。
論文 参考訳(メタデータ) (2022-09-10T04:38:27Z) - Cross-Lingual Dialogue Dataset Creation via Outline-Based Generation [70.81596088969378]
言語間アウトラインに基づく対話データセット(COD)は、自然言語の理解を可能にする。
CODは、4つの異なる言語で対話状態の追跡とエンドツーエンドの対話モデリングと評価を可能にする。
論文 参考訳(メタデータ) (2022-01-31T18:11:21Z) - 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)
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。