論文の概要: Proactive User Information Acquisition via Chats on User-Favored Topics

• arxiv url: http://arxiv.org/abs/2504.07698v1
• Date: Thu, 10 Apr 2025 12:32:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:21:33.783163
• Title: Proactive User Information Acquisition via Chats on User-Favored Topics
• Title（参考訳）: ユーザ好みトピックのチャットによる積極的なユーザ情報獲得
• Authors: Shiki Sato, Jun Baba, Asahi Hentona, Shinji Iwata, Akifumi Yoshimoto, Koichiro Yoshino,
• Abstract要約: 本研究では,PIVOTタスクを提案する。 近年の大規模言語モデル (LLM) においても PIVOT タスクの成功率が低いことが判明した。 本研究は,本データセットの分析から得られた知見を組み込むことにより,本タスクの簡易かつ効果的なシステムを開発した。
• 参考スコア（独自算出の注目度）: 3.6698472838681893
• License:
• Abstract: Chat-oriented dialogue systems designed to provide tangible benefits, such as sharing the latest news or preventing frailty in senior citizens, often require Proactive acquisition of specific user Information via chats on user-faVOred Topics (PIVOT). This study proposes the PIVOT task, designed to advance the technical foundation for these systems. In this task, a system needs to acquire the answers of a user to predefined questions without making the user feel abrupt while engaging in a chat on a predefined topic. We found that even recent large language models (LLMs) show a low success rate in the PIVOT task. We constructed a dataset suitable for the analysis to develop more effective systems. Finally, we developed a simple but effective system for this task by incorporating insights obtained through the analysis of this dataset.
• Abstract（参考訳）: チャット指向の対話システムは、最新のニュースを共有したり、高齢者の怠慢を防いだりするなど、具体的な利点を提供するように設計されており、しばしば、ユーザーファボイドトピックス(PIVOT)上のチャットを通じて特定のユーザー情報のプロアクティブな取得を必要としている。 本研究では,PIVOTタスクを提案する。 このタスクでは、事前に定義されたトピックでチャットをしながら、ユーザが突然感じることなく、事前に定義された質問に対するユーザの回答を取得する必要がある。 近年の大規模言語モデル (LLM) においても PIVOT タスクの成功率が低いことが判明した。 より効率的なシステムを構築するために,分析に適したデータセットを構築した。 最後に,本データセットの分析から得られた知見を組み込むことにより,本タスクの簡易かつ効果的なシステムを構築した。

関連論文リスト

• Enhancing Discoverability in Enterprise Conversational Systems with Proactive Question Suggestions [5.356008176627551]
  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。
  論文  参考訳（メタデータ） (2024-12-14T19:04:16Z)
• Unimib Assistant: designing a student-friendly RAG-based chatbot for all their needs [1.0805849839756092]
  このパイロットスタディは,OpenAIカスタムGPT機能を用いた検索・拡張生成(RAG)システムによるChatGPT動作の専門化に重点を置いている。 我々はミラノ・ビコッカ大学(Unimib)の学生の特定のニーズに対する情報と解決策を提供するUnimib Assistantを開発した。 ユーザの満足度と全体的な経験は、システムが常に正確な情報を提供することができないことで損なわれた。
  論文  参考訳（メタデータ） (2024-11-29T09:07:21Z)
• Improving Ontology Requirements Engineering with OntoChat and Participatory Prompting [3.3241053483599563]
  OREは主に、ドメインの専門家からユーザ要求を集めるために、インタビューや共同フォーラムのような手動の手法に依存しています。 Current OntoChatは,大規模な言語モデル(LLM)を使用してプロセスを合理化するための,ORE用のフレームワークを提供する。 本研究は,ユーザストーリのペルソナ,目標,シナリオ,サンプルデータ,データリソースの作成と精錬に重点を置いた,ユーザクエリに基づく事前定義されたプロンプトテンプレートを生成する。
  論文  参考訳（メタデータ） (2024-08-09T19:21:14Z)
• 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)
• User Simulation for Evaluating Information Access Systems [38.48048183731099]
  インタラクティブな知能システムの有効性を評価することは 複雑な科学的課題です 本書は,評価に特化して設計されたユーザシミュレーション技術について,詳細な理解を提供する。 ユーザシミュレータを設計するための一般的なフレームワークと、検索エンジン、レコメンダシステム、会話アシスタントとのユーザインタラクションをシミュレートする特定のモデルとアルゴリズムの両方をカバーする。
  論文  参考訳（メタデータ） (2023-06-14T14:54:06Z)
• "What do others think?": Task-Oriented Conversational Modeling with Subjective Knowledge [69.46702968979885]
  タスク指向対話(TOD)システムは、ユーザが特定の目標を達成するのを支援する対話システムを構築することを目的としている。 従来のTODは、応答を生成するために、ドメイン固有のAPI/DBや外部の事実知識に依存しています。 主観的知識に基づくTOD(SK-TOD)の新しい課題を提案する。
  論文  参考訳（メタデータ） (2023-05-20T04:43:26Z)
• 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)
• CAiRE in DialDoc21: Data Augmentation for Information-Seeking Dialogue System [55.43871578056878]
  DialDoc21コンペティションでは,サブタスク1で74.95 F1スコア,60.74 Exact Matchスコア,サブタスク2で37.72 SacreBLEUスコアを達成した。
  論文  参考訳（メタデータ） (2021-06-07T11:40:55Z)
• Retrieval-Free Knowledge-Grounded Dialogue Response Generation with Adapters [52.725200145600624]
  軽量アダプタで事前学習した言語モデルに事前知識を注入し、検索プロセスをバイパスする KnowExpert を提案する。 実験結果から,KnowExpertは検索ベースラインと相容れない性能を示した。
  論文  参考訳（メタデータ） (2021-05-13T12:33:23Z)
• 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)

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。