論文の概要: Leveraging Interesting Facts to Enhance User Engagement with Conversational Interfaces
- arxiv url: http://arxiv.org/abs/2404.06659v1
- Date: Tue, 9 Apr 2024 23:51:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 15:59:05.365503
- Title: Leveraging Interesting Facts to Enhance User Engagement with Conversational Interfaces
- Title（参考訳）: 会話インタフェースによるユーザエンゲージメントを高めるための関心事の活用
- Authors: Nikhita Vedula, Giuseppe Castellucci, Eugene Agichtein, Oleg Rokhlenko, Shervin Malmasi,
- Abstract要約: ユーザに対して,関連性のある興味深い事実を自動的に識別するために,ハイパフォーマンスな分類器を訓練する。
私たちはこれを使って、調理領域のためのタスク固有の興味深い事実の注釈付きデータセットを作成します。
我々は対話ポリシーを設計・検証し、関連性のある興味深い事実を会話に組み込む。
- 参考スコア（独自算出の注目度）: 28.494606738174436
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conversational Task Assistants (CTAs) guide users in performing a multitude of activities, such as making recipes. However, ensuring that interactions remain engaging, interesting, and enjoyable for CTA users is not trivial, especially for time-consuming or challenging tasks. Grounded in psychological theories of human interest, we propose to engage users with contextual and interesting statements or facts during interactions with a multi-modal CTA, to reduce fatigue and task abandonment before a task is complete. To operationalize this idea, we train a high-performing classifier (82% F1-score) to automatically identify relevant and interesting facts for users. We use it to create an annotated dataset of task-specific interesting facts for the domain of cooking. Finally, we design and validate a dialogue policy to incorporate the identified relevant and interesting facts into a conversation, to improve user engagement and task completion. Live testing on a leading multi-modal voice assistant shows that 66% of the presented facts were received positively, leading to a 40% gain in the user satisfaction rating, and a 37% increase in conversation length. These findings emphasize that strategically incorporating interesting facts into the CTA experience can promote real-world user participation for guided task interactions.
- Abstract（参考訳）: Conversational Task Assistants (CTA) は、ユーザーがレシピ作成など、さまざまな活動を行うのをガイドする。
しかしながら、CTAユーザにとって、特に時間を要するタスクや困難なタスクにおいて、インタラクションが魅力的で、面白く、楽しいままであることを保証することは、簡単ではない。
人間の関心の心理学的理論を基礎として,マルチモーダルCTAとのインタラクションにおいて,ユーザに対して文脈的,興味深い言明や事実を提示し,タスク完了前の疲労やタスク放棄を減らすことを提案する。
このアイデアを運用するには,高パフォーマンスな分類器(F1スコア82%)をトレーニングし,ユーザの関心のある事実を自動的に識別する。
私たちはこれを使って、調理領域のためのタスク固有の興味深い事実の注釈付きデータセットを作成します。
最後に、ユーザエンゲージメントとタスク完了を改善するために、対話ポリシーを設計、検証し、関連性のある興味深い事実を会話に組み込む。
マルチモーダル音声アシスタントのライブテストでは、提示された事実の66%が肯定的に受け取られ、ユーザの満足度が40%上昇し、会話の長さが37%増加した。
これらの知見は,CTA体験に興味深い事実を戦略的に取り入れることで,現実のユーザ参加を促進できることを示す。
関連論文リスト
- Unveiling the Impact of Multi-Modal Interactions on User Engagement: A Comprehensive Evaluation in AI-driven Conversations [17.409790984399052]
本稿では,画像と音声をテキストと併用したマルチモーダルインタラクションがユーザエンゲージメントに与える影響について検討する。
本研究は,テキストのみの対話に比べて,マルチモーダルインタラクションによるユーザエンゲージメントが著しく向上していることを明らかにする。
その結果,マルチモーダルインタラクションは認知処理を最適化し,より豊かな情報理解を促進することが示唆された。
論文 参考訳（メタデータ） (2024-06-21T09:26:55Z) - Narrative Action Evaluation with Prompt-Guided Multimodal Interaction [60.281405999483]
ナラティブ・アクション・アセスメント(NAE)は、行動の実行を評価する専門家のコメントを作成することを目的としている。
NAEは、物語の柔軟性と評価の厳格さの両方を必要とするため、より困難なタスクです。
本稿では,様々な情報モダリティ間のインタラクションを容易にするための,プロンプト誘導型マルチモーダルインタラクションフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-22T17:55:07Z) - Chitchat as Interference: Adding User Backstories to Task-Oriented Dialogues [0.0]
Llama-2-70Bを用いて,ユーザバックストリーによるMultiWOZデータセットの強化を行う。
私たちは2つのモデルをテストします。1つはTODのみを訓練し、もう1つはTODを予備的な整合相互作用で訓練しました。
我々のデータセットは、トレーニング目的に効果的に使用することができ、システムはユーザーの背景を一貫して認識することができる。
論文 参考訳（メタデータ） (2024-02-23T10:27:42Z) - Learning from Implicit User Feedback, Emotions and Demographic Information in Task-Oriented and Document-Grounded Dialogues [52.95506649193427]
FEDIは、この情報に注釈を付けた最初の英語タスク指向および文書地上対話データセットである。
Flan-T5、GPT-2、Llama 2の実験では、タスクの完了と実際の一貫性に特に肯定的な影響が示されている。
論文 参考訳（メタデータ） (2024-01-17T14:52:26Z) - TREC iKAT 2023: The Interactive Knowledge Assistance Track Overview [11.276981461219515]
iKATは、ユーザの以前のインタラクションと現在のコンテキストに基づいて応答を適応する対話型検索エージェントの作成と研究を強調している。
実行のほとんどはパイプラインでLarge Language Models(LLM)を活用しており、いくつかはジェネレータの検索アプローチに重点を置いている。
論文 参考訳（メタデータ） (2024-01-02T18:40:03Z) - The Wizard of Curiosities: Enriching Dialogues with Fun Facts [5.692304388700644]
料理ドメインとDIYドメインの対話を対象とするキュリオシティのセットを紹介する。
特に、Amazon Alexa TaskBotチャレンジのコンテキストで収集された実際のヒューマンエージェントの会話を使用します。
論文 参考訳（メタデータ） (2023-09-20T13:07:32Z) - KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。
本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
論文 参考訳（メタデータ） (2022-05-11T16:01:03Z) - Interacting with Non-Cooperative User: A New Paradigm for Proactive
Dialogue Policy [83.61404191470126]
インタラクティブな環境下でプロアクティブなポリシーを学習できるI-Proという新しいソリューションを提案する。
具体的には,4つの要因からなる学習目標重みを通じてトレードオフを学習する。
実験の結果,I-Proは,有効性と解釈性において,ベースラインを著しく上回っていることがわかった。
論文 参考訳（メタデータ） (2022-04-07T14:11:31Z) - Reciprocal Feature Learning via Explicit and Implicit Tasks in Scene
Text Recognition [60.36540008537054]
本研究では,従来のテキスト認識における文字数カウントという暗黙のタスクを,追加的な注釈コストなしで発掘する。
両タスクの機能を適切に活用するために,2分岐の相反的特徴学習フレームワークを設計する。
7つのベンチマークの実験では、テキスト認識と新しい文字カウントタスクの両方において提案手法の利点が示されている。
論文 参考訳（メタデータ） (2021-05-13T12:27:35Z) - A Graph-guided Multi-round Retrieval Method for Conversational
Open-domain Question Answering [52.041815783025186]
本稿では,会話のターン間の回答間の関係をモデル化するグラフ誘導検索手法を提案する。
また,検索コンテキストが現在の質問理解に与える影響を検討するために,マルチラウンド関連フィードバック手法を導入することを提案する。
論文 参考訳（メタデータ） (2021-04-17T04:39:41Z) - Information Seeking in the Spirit of Learning: a Dataset for
Conversational Curiosity [10.409312809724458]
我々は、ユーザが知っていることに関連する事実を提示されると、エンゲージメントが増加するという仮説をテストするウィザード・オブ・オズ・ダイアログタスクを設計する。
ユーザとアシスタントが地理的話題について会話する14Kダイアログ(181K発声)を収集・リリースする。
このデータセットには、既存のユーザ知識、メッセージレベルのダイアログアクション、ウィキペディアへの接地、メッセージに対するユーザ反応が注釈付けされている。
論文 参考訳（メタデータ） (2020-05-01T01:55:09Z)
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。