論文の概要: Habit Coach: Customising RAG-based chatbots to support behavior change

• arxiv url: http://arxiv.org/abs/2411.19229v1
• Date: Thu, 28 Nov 2024 15:53:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:22:36.799875
• Title: Habit Coach: Customising RAG-based chatbots to support behavior change
• Title（参考訳）: Habit Coach: 行動変化をサポートするためにRAGベースのチャットボットをカスタマイズする
• Authors: Arian Fooroogh Mand Arabi, Cansu Koyuturk, Michael O'Mahony, Raffaella Calati, Dimitri Ognibene,
• Abstract要約: Habit Coachは、パーソナライズされたインタラクションを通じて、ユーザの習慣の変化をサポートするように設計されている。 本研究では,言語モデルを再学習することなく,行動のパーソナライズを可能にするRAG(Retrieval-Augmented Generation)システムを開発した。 開発プロセスにおける重要な課題は、宣言的知識を効果的な相互作用行動に変換することの難しさだった。
• 参考スコア（独自算出の注目度）: 0.6184871136700835
• License:
• Abstract: This paper presents the iterative development of Habit Coach, a GPT-based chatbot designed to support users in habit change through personalized interaction. Employing a user-centered design approach, we developed the chatbot using a Retrieval-Augmented Generation (RAG) system, which enables behavior personalization without retraining the underlying language model (GPT-4). The system leverages document retrieval and specialized prompts to tailor interactions, drawing from Cognitive Behavioral Therapy (CBT) and narrative therapy techniques. A key challenge in the development process was the difficulty of translating declarative knowledge into effective interaction behaviors. In the initial phase, the chatbot was provided with declarative knowledge about CBT via reference textbooks and high-level conversational goals. However, this approach resulted in imprecise and inefficient behavior, as the GPT model struggled to convert static information into dynamic and contextually appropriate interactions. This highlighted the limitations of relying solely on declarative knowledge to guide chatbot behavior, particularly in nuanced, therapeutic conversations. Over four iterations, we addressed this issue by gradually transitioning towards procedural knowledge, refining the chatbot's interaction strategies, and improving its overall effectiveness. In the final evaluation, 5 participants engaged with the chatbot over five consecutive days, receiving individualized CBT interventions. The Self-Report Habit Index (SRHI) was used to measure habit strength before and after the intervention, revealing a reduction in habit strength post-intervention. These results underscore the importance of procedural knowledge in driving effective, personalized behavior change support in RAG-based systems.
• Abstract（参考訳）: 本稿では,GPTベースのチャットボットであるHabit Coachの反復開発について述べる。 ユーザ中心の設計手法を用いて,基礎となる言語モデル (GPT-4) をトレーニングすることなく,行動のパーソナライズを可能にするRetrieval-Augmented Generation (RAG) システムを用いたチャットボットを開発した。 このシステムは、文書検索と特別なプロンプトを利用して、認知行動療法(CBT)やナラティブセラピー技術から引き出された相互作用を調整する。 開発プロセスにおける重要な課題は、宣言的知識を効果的な相互作用行動に変換することの難しさだった。 最初の段階では、チャットボットは参照教科書とハイレベルな会話目標を通じて、CBTに関する宣言的な知識を提供する。 しかし、GPTモデルは静的情報を動的かつ文脈的に適切な相互作用に変換するのに苦労したため、このアプローチは不正確で非効率な振る舞いをもたらした。 これは、チャットボットの行動、特にニュアンスで治療的な会話をガイドするために、宣言的な知識にのみ依存することの限界を強調した。 4回にわたり、段階的に手続き的知識に移行し、チャットボットのインタラクション戦略を洗練し、全体的な効果を向上させることで、この問題に対処した。 最終評価では、5人の参加者が5日間にわたってチャットボットに関わり、個別のCBT介入を受けた。 自己申告習慣指数(SRHI)は介入前後の習慣強度を測定するために用いられ、介入後の習慣強度の低下を明らかにした。 これらの結果は、RAGベースのシステムにおいて、効果的でパーソナライズされた行動変化支援を推進するための手続き的知識の重要性を浮き彫りにしている。

関連論文リスト

• Beyond Ontology in Dialogue State Tracking for Goal-Oriented Chatbot [3.2288892242158984]
  本稿では,対話状態追跡(DST)性能を向上させる新しい手法を提案する。 提案手法により,Large Language Model (LLM) による対話状態の推測が可能となる。 提案手法は,42.57%のJGAで最先端を達成し,オープンドメインの現実世界での会話でも良好に機能した。
  論文  参考訳（メタデータ） (2024-10-30T07:36:23Z)
• Stephanie: Step-by-Step Dialogues for Mimicking Human Interactions in Social Conversations [50.698517967337885]
  本研究では,人間の会話の動的な性質を模倣する新しいテキストbf-by-Step Dialogue Paradigm (Stephanie)を提案する。 デュアルラーニング戦略と,さらに分割した後編集手法を用いて,高品質なステップバイステップ対話データセットを作成した。 従来の単段階対話のパラダイムと比較して,その効果を評価するために,自動評価と人的評価を行った。
  論文  参考訳（メタデータ） (2024-07-04T17:59:41Z)
• Towards Goal-Oriented Agents for Evolving Problems Observed via Conversation [1.33134751838052]
  この研究の目的は、ユーザーと会話することで進化する問題を解決することができるチャットボットを訓練することである。 このシステムは、仮想問題(この場合、単純なゲーム)と、その問題に対するアクションを観察し実行できる自然言語質問に答えられるシミュレーションユーザと、Deep Q-Network(DQN)ベースのチャットボットアーキテクチャで構成されている。
  論文  参考訳（メタデータ） (2024-01-11T10:38:43Z)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• Towards Robust Online Dialogue Response Generation [62.99904593650087]
  これは、トレーニングと実世界のテストの相違によって引き起こされる可能性がある、と私たちは主張する。 本稿では, 発話レベルサンプリングと半発話レベルサンプリングの両方からなる階層的サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-07T06:51:41Z)
• Evaluation of In-Person Counseling Strategies To Develop Physical Activity Chatbot for Women [31.20917921863815]
  本研究は,女性の身体活動介入プログラムから収集した介入会話データセットを紹介する。 我々は4次元の包括的なアノテーションスキーム(ドメイン、戦略、社会的交換、タスク中心の交換)を設計し、ダイアログのサブセットを注釈付けした。 人間の介入が効果的な行動変化をいかに引き起こすかを理解するために,介入戦略と参加者の障壁の変化と身体活動に対する社会的支援との関係を分析した。
  論文  参考訳（メタデータ） (2021-07-22T00:39:21Z)
• Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy: Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
  人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。 これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。 我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
  論文  参考訳（メタデータ） (2021-06-15T22:06:39Z)
• Automated Quality Assessment of Cognitive Behavioral Therapy Sessions Through Highly Contextualized Language Representations [34.670548892766625]
  認知行動療法(Cognitive Behavioral Therapy, CBT)という,特定の心理療法の行動自動スコアリングモデルを提案する。 このモデルは高い解釈可能性を達成するためにマルチタスクで訓練される。 BERTベースの表現は、利用可能な治療メタデータでさらに拡張され、関連する非言語的コンテキストを提供し、一貫したパフォーマンス改善につながります。
  論文  参考訳（メタデータ） (2021-02-23T09:22:29Z)
• Feature Fusion Strategies for End-to-End Evaluation of Cognitive Behavior Therapy Sessions [32.198800906972366]
  本研究では,音声音声をダイアリゼーションおよび転写テキストに変換し,認知行動療法セッションを自動的にコードに変換するエンドツーエンドパイプラインを開発した。 CBT符号推定のための発話レベルタグを用いて単語ベースの特徴量を増やす新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-05-15T22:26:58Z)
• TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented Dialogue [113.45485470103762]
  本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。 事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
  論文  参考訳（メタデータ） (2020-04-15T04:09:05Z)
• 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。