論文の概要: WHoW: A Cross-domain Approach for Analysing Conversation Moderation
- arxiv url: http://arxiv.org/abs/2410.15551v1
- Date: Mon, 21 Oct 2024 00:54:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:13:26.293469
- Title: WHoW: A Cross-domain Approach for Analysing Conversation Moderation
- Title（参考訳）: WHoW:会話モデレーション分析のためのクロスドメインアプローチ
- Authors: Ming-Bin Chen, Lea Frermann, Jey Han Lau,
- Abstract要約: WHoWは、異なるドメイン/シナリオ間でモデレーターのファシリテーション戦略を分析するための評価フレームワークである。
我々は,テレビ討論会とラジオパネル討論という2つの領域から,5,657文を人間裁判官で,15,494文をGPT-4oで注視した。
- 参考スコア（独自算出の注目度）: 30.80591855607426
- License:
- Abstract: We propose WHoW, an evaluation framework for analyzing the facilitation strategies of moderators across different domains/scenarios by examining their motives (Why), dialogue acts (How) and target speaker (Who). Using this framework, we annotated 5,657 moderation sentences with human judges and 15,494 sentences with GPT-4o from two domains: TV debates and radio panel discussions. Comparative analysis demonstrates the framework's cross-domain generalisability and reveals distinct moderation strategies: debate moderators emphasise coordination and facilitate interaction through questions and instructions, while panel discussion moderators prioritize information provision and actively participate in discussions. Our analytical framework works for different moderation scenarios, enhances our understanding of moderation behaviour through automatic large-scale analysis, and facilitates the development of moderator agents.
- Abstract（参考訳）: WHoWは、モチベーション(なぜ)、対話行為(ハウ)、ターゲット話者(Who)を調べることで、異なるドメイン/シナリオ間でモデレーターのファシリテーション戦略を分析するための評価フレームワークである。
この枠組みを用いて,テレビ討論会とラジオパネル討論という2つの領域から,5,657文を人間裁判官で,15,494文をGPT-4oでアノテートした。
議論モデレーターは協調を重視し、質問や指示を通じて対話を促進する一方、パネルディスカッションモデレーターは情報提供を優先し、議論に積極的に参加する。
我々の分析フレームワークは、様々なモデレーションシナリオに対応し、自動大規模分析によるモデレーション行動の理解を高め、モデレーターエージェントの開発を促進する。
関連論文リスト
- With a Little Help from my (Linguistic) Friends: Topic Segmentation of
Multi-party Casual Conversations [0.565395466029518]
本稿では,最近の機械学習に基づくトピックセグメンテーションモデルと同等の精度を達成しようとする。
このタスクで意味のあるものとして認識する機能は、会話の話題構造をよりよく理解するのに役立ちます。
論文 参考訳（メタデータ） (2024-02-05T09:48:07Z) - Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。
対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。
また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-18T11:03:55Z) - Dialectical Reconciliation via Structured Argumentative Dialogues [14.584998154271512]
我々のフレームワークは,説明者(AIエージェント)と説明者(ヒューマンユーザ)の知識の相違に対処するための弁証的調和を可能にする。
我々のフレームワークは、説明可能性の重要性が重要である領域において、効果的な人間とAIの相互作用を促進するための有望な方向を提供することを示唆している。
論文 参考訳（メタデータ） (2023-06-26T13:39:36Z) - Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。
我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。
我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-06-06T19:17:47Z) - Learning Dialogue Representations from Consecutive Utterances [29.150589618130695]
本稿では,自己指導型コントラスト学習手法である対話文埋め込み(DSE)を紹介する。
DSEは、対照的な学習のための正のペアと同じ対話の連続的な発話を取り、対話から学習する。
異なる意味的粒度の対話表現を調べる5つの下流対話課題についてDSEを評価する。
論文 参考訳（メタデータ） (2022-05-26T18:15:13Z) - DEBACER: a method for slicing moderated debates [55.705662163385966]
同じ主題を持つブロックに議論を分割することは理解に不可欠である。
議論を適度に分割する新しいアルゴリズムDEBACERを提案する。
論文 参考訳（メタデータ） (2021-12-10T10:39:07Z) - Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。
トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
論文 参考訳（メタデータ） (2020-09-26T08:43:06Z) - Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。
コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。
DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
論文 参考訳（メタデータ） (2020-06-17T21:02:40Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳（メタデータ） (2020-04-17T03:51:57Z)
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。