論文の概要: Identifying Breakdowns in Conversational Recommender Systems using User Simulation
- arxiv url: http://arxiv.org/abs/2405.14249v1
- Date: Thu, 23 May 2024 07:28:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-11 00:01:58.673340
- Title: Identifying Breakdowns in Conversational Recommender Systems using User Simulation
- Title（参考訳）: ユーザシミュレーションを用いた会話レコメンダシステムにおけるブレークダウンの同定
- Authors: Nolwenn Bernard, Krisztian Balog,
- Abstract要約: 本稿では,会話のブレークダウンに関して,会話レコメンデーションシステムをテストする手法を提案する。
システム間で発生した会話を調べ、事前に定義されたブレークダウンタイプに対してユーザをシミュレートする。
提案手法を既存の会話レコメンデータシステムとユーザシミュレータを用いたケーススタディに適用し,ほんの数イテレーションで,会話のブレークダウンに対してシステムをより堅牢にすることができることを示す。
- 参考スコア（独自算出の注目度）: 15.54070473873364
- License:
- Abstract: We present a methodology to systematically test conversational recommender systems with regards to conversational breakdowns. It involves examining conversations generated between the system and simulated users for a set of pre-defined breakdown types, extracting responsible conversational paths, and characterizing them in terms of the underlying dialogue intents. User simulation offers the advantages of simplicity, cost-effectiveness, and time efficiency for obtaining conversations where potential breakdowns can be identified. The proposed methodology can be used as diagnostic tool as well as a development tool to improve conversational recommendation systems. We apply our methodology in a case study with an existing conversational recommender system and user simulator, demonstrating that with just a few iterations, we can make the system more robust to conversational breakdowns.
- Abstract（参考訳）: 本稿では,対話型レコメンデーションシステムについて,対話型インコメンデーションシステムについて,系統的に検証する手法を提案する。
システム間で生成された会話を調べ、ユーザが事前に定義されたブレークダウンタイプをシミュレートし、責任ある会話経路を抽出し、基礎となる対話意図を特徴付ける。
ユーザシミュレーションは、潜在的なブレークダウンが特定可能な会話を得るための単純さ、コスト効率、時間効率の利点を提供する。
提案手法は,会話レコメンデーションシステムを改善するために,診断ツールや開発ツールとして利用することができる。
提案手法を既存の会話レコメンデータシステムとユーザシミュレータを用いたケーススタディに適用し,ほんの数イテレーションで,会話のブレークダウンに対してシステムをより堅牢にすることができることを示す。
関連論文リスト
- Reliable LLM-based User Simulator for Task-Oriented Dialogue Systems [2.788542465279969]
本稿では,ドメイン対応ユーザシミュレータDAUSを紹介する。
タスク指向対話の実例について,DAUSを微調整する。
2つの関連するベンチマークの結果は、ユーザ目標達成の点で大幅に改善されている。
論文 参考訳（メタデータ） (2024-02-20T20:57:47Z) - Extracting user needs with Chat-GPT for dialogue recommendation [0.0]
大規模言語モデル(LLM)は、ますます洗練され、人間のような能力を示している。
OpenAIのChat-GPTは対話システムとして非常に高い推論能力を持ち、高品質な文を生成する能力を持っている。
論文 参考訳（メタデータ） (2023-10-30T06:41:26Z) - In-Context Learning User Simulators for Task-Oriented Dialog Systems [1.7086737326992172]
本稿では,タスク指向対話システムにおけるユーザシミュレーションにおける大規模言語モデルの新たな応用について述べる。
提案手法は,これらのモデルのパワーを生かして,ユーザ目標と限られた対話例に基づく多様な発話を生成する。
論文 参考訳（メタデータ） (2023-06-01T15:06:11Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z) - GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。
GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。
評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
論文 参考訳（メタデータ） (2022-06-22T18:19:32Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳（メタデータ） (2022-03-20T17:51:49Z) - Natural Language Understanding for Argumentative Dialogue Systems in the
Opinion Building Domain [6.951113351928047]
本稿では,情報検索領域における議論的対話システムの枠組みを提案する。
提案手法は,複数のユーザの意図を識別し,ユーザが自然言語で参照するシステム引数を識別する。
論文 参考訳（メタデータ） (2021-03-03T21:17:24Z) - Improving Conversational Question Answering Systems after Deployment
using Feedback-Weighted Learning [69.42679922160684]
本稿では,二元的ユーザフィードバックを用いた初期教師付きシステムを改善するために,重要サンプリングに基づくフィードバック重み付き学習を提案する。
当社の作業は,実際のユーザとのインタラクションを活用し,デプロイ後の会話システムを改善する可能性を開くものだ。
論文 参考訳（メタデータ） (2020-11-01T19:50:34Z) - Towards Conversational Recommendation over Multi-Type Dialogs [78.52354759386296]
ボットは、非推奨ダイアログからレコメンデーションダイアログへの会話を積極的に自然に導くことができる。
この課題の研究を容易にするために,人間と人による中国語対話データセットemphDuRecDial(約10k対話,約156k発話)を作成する。
各ダイアログでは、リコメンデータが積極的にマルチタイプのダイアログを導き、レコメンデーションターゲットにアプローチし、リッチなインタラクション動作で複数のレコメンデーションを行う。
論文 参考訳（メタデータ） (2020-05-08T11:01:21Z) - A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
ベイズ的アプローチに基づく会話推薦システムを提案する。
エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
論文 参考訳（メタデータ） (2020-02-12T15:59:31Z)
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。