論文の概要: Enhancing Discoverability in Enterprise Conversational Systems with Proactive Question Suggestions

• arxiv url: http://arxiv.org/abs/2412.10933v1
• Date: Sat, 14 Dec 2024 19:04:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:58:44.902614
• Title: Enhancing Discoverability in Enterprise Conversational Systems with Proactive Question Suggestions
• Title（参考訳）: 積極的に問うべきことによる企業会話システムにおける発見可能性の向上
• Authors: Xiaobin Shen, Daniel Lee, Sumit Ranjan, Sai Sree Harsha, Pawan Sevak, Yunyao Li,
• Abstract要約: 本稿では,対話型エンタープライズAIシステムにおける質問提案を強化する枠組みを提案する。 本手法は,人口レベルでの周期的ユーザ意図分析とチャットセッションに基づく質問生成を併用する。 我々は,Adobe Experience PlatformのAIアシスタントから得られた実世界のデータを用いて,このフレームワークを評価する。
• 参考スコア（独自算出の注目度）: 5.356008176627551
• License:
• Abstract: Enterprise conversational AI systems are becoming increasingly popular to assist users in completing daily tasks such as those in marketing and customer management. However, new users often struggle to ask effective questions, especially in emerging systems with unfamiliar or evolving capabilities. This paper proposes a framework to enhance question suggestions in conversational enterprise AI systems by generating proactive, context-aware questions that try to address immediate user needs while improving feature discoverability. Our approach combines periodic user intent analysis at the population level with chat session-based question generation. We evaluate the framework using real-world data from the AI Assistant for Adobe Experience Platform (AEP), demonstrating the improved usefulness and system discoverability of the AI Assistant.
• Abstract（参考訳）: 企業の会話型AIシステムは、マーケティングや顧客管理といった日々のタスクを完了させるのを支援するために、ますます人気が高まっている。 しかし、新しいユーザは、特に馴染みの無い、または進化する機能を持つ新興システムにおいて、効果的な質問をするのに苦労することが多い。 本稿では,ユーザニーズに即時対応しつつ,特徴発見性の向上を図りつつ,会話型エンタープライズAIシステムにおける課題提案を強化する枠組みを提案する。 本手法は,人口レベルでの周期的ユーザ意図分析とチャットセッションに基づく質問生成を併用する。 我々は、AI Assistant for Adobe Experience Platform(AEP)の現実世界のデータを用いてフレームワークを評価し、AIアシスタントの有用性とシステム発見性の改善を実証した。

関連論文リスト

• A Learnable Agent Collaboration Network Framework for Personalized Multimodal AI Search Engine [14.123823081267336]
  本稿では,Agent Collaboration Network (ACN) と呼ばれる新しいAI検索エンジンフレームワークを提案する。 ACNフレームワークは、複数の専門エージェントが協力して作業し、それぞれがアカウントマネージャ、ソリューションストラテジスト、情報マネージャ、コンテンツクリエータといった異なる役割を担っている。 ACNの特長は、エージェント間のオンライン相乗的調整をサポートする反射フォワード最適化法(RFO)の導入である。
  論文  参考訳（メタデータ） (2024-09-01T07:01:22Z)
• Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.74265453289855]
  大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。 本稿では,ChatGPTインタフェースにおける対話型フィードバック機能の可能性について検討し,ユーザ入力の形状やイテレーションへの参加について分析する。
  論文  参考訳（メタデータ） (2024-08-27T13:50:37Z)
• Question Suggestion for Conversational Shopping Assistants Using Product Metadata [24.23400061359442]
  本稿では,Large Language Models (LLMs) を用いて,製品に関する文脈的,有用な,応答可能な,流動的で多様な質問を自動的に生成するフレームワークを提案する。 これらの質問を顧客に対して、会話の開始と継続の両方に役立つ提案やヒントとして提案することは、よりスムーズで高速なショッピング体験をもたらす。
  論文  参考訳（メタデータ） (2024-05-02T21:16:19Z)
• The Ethics of Advanced AI Assistants [53.89899371095332]
  本稿では,高度AIアシスタントがもたらす倫理的・社会的リスクについて論じる。 我々は、高度なAIアシスタントを自然言語インタフェースを持つ人工知能エージェントとして定義し、ユーザに代わってアクションのシーケンスを計画し実行することを目的としている。 先進的なアシスタントの社会規模での展開を考察し、協力、株式とアクセス、誤情報、経済的影響、環境、先進的なAIアシスタントの評価方法に焦点をあてる。
  論文  参考訳（メタデータ） (2024-04-24T23:18:46Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• A Survey on Proactive Dialogue Systems: Problems, Methods, and Prospects [100.75759050696355]
  本稿では,対話エージェントの多種多様な対話における能動性に関する顕著な問題と先進的な設計について概説する。 我々は、現実世界のアプリケーションのニーズを満たすが、将来もっと研究に焦点を当てる必要がある課題について議論する。
  論文  参考訳（メタデータ） (2023-05-04T11:38:49Z)
• Intent Recognition in Conversational Recommender Systems [0.0]
  会話における入力発話を文脈化するためのパイプラインを導入する。 次に、逆機能エンジニアリングを活用して、コンテキスト化された入力と学習モデルをリンクして、意図認識をサポートするための次のステップを踏み出します。
  論文  参考訳（メタデータ） (2022-12-06T11:02:42Z)
• 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)
• NoiseQA: Challenge Set Evaluation for User-Centric Question Answering [68.67783808426292]
  応答エンジンに先立つパイプライン内のコンポーネントが,多種多様なエラーの原因を発生させることができることを示す。 我々は、QAシステムが効果的にデプロイされる前に、進歩の余地がかなりあると結論付けている。
  論文  参考訳（メタデータ） (2021-02-16T18:35:29Z)
• A scalable framework for learning from implicit user feedback to improve natural language understanding in large-scale conversational AI systems [36.351794377515745]
  自然言語理解(NLU)は、ユーザ要求のセマンティックな理解を生み出す役割を担います。 我々は,暗黙のユーザフィードバックを活用することで,大規模対話型AIシステムにおいてNLUを改善するためのスケーラブルで自動的なアプローチを提案する。 大規模生産システムにおけるフレームワークの適用とNLUの改善結果を示し,その影響を10ドメインにわたって示す。
  論文  参考訳（メタデータ） (2020-10-23T09:23:44Z)
• A Survey on Conversational Recommender Systems [11.319431345375751]
  会話レコメンデータシステム(CRS)は異なるアプローチを採用し、よりリッチなインタラクションをサポートする。 CRSに対する関心は、ここ数年で大幅に増加した。 この開発は主に自然言語処理の分野における著しい進歩によるものである。
  論文  参考訳（メタデータ） (2020-04-01T18:00:47Z)

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。