論文の概要: We Argue to Agree: Towards Personality-Driven Argumentation-Based Negotiation Dialogue Systems for Tourism
- arxiv url: http://arxiv.org/abs/2509.11118v1
- Date: Sun, 14 Sep 2025 06:16:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:22.929057
- Title: We Argue to Agree: Towards Personality-Driven Argumentation-Based Negotiation Dialogue Systems for Tourism
- Title（参考訳）: We Argue to Agree: To toward the Personality-Driven Argumentation-based Negotiation Dialogue Systems for Tourism
- Authors: Priyanshu Priya, Saurav Dudhate, Desai Vishesh Yasheshbhai, Asif Ekbal,
- Abstract要約: 観光分野におけるパーソナリティに基づく論証に基づく交渉のデータセットであるPACTを紹介する。
このデータセットには、Argumentation Profile、Preference Profile、Buying Style Profileの3つの異なるパーソナリティプロファイルがある。
PAN-DGタスクの事前学習と微調整によるLLMの比較実験を行った。
このことは、交渉対話システムにおけるパーソナライズと推論能力の向上におけるPACTの有効性を裏付けるものである。
- 参考スコア（独自算出の注目度）: 32.411223995938144
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Integrating argumentation mechanisms into negotiation dialogue systems improves conflict resolution through exchanges of arguments and critiques. Moreover, incorporating personality attributes enhances adaptability by aligning interactions with individuals' preferences and styles. To advance these capabilities in negotiation dialogue systems, we propose a novel Personality-driven Argumentation-based Negotiation Dialogue Generation (PAN-DG) task. To support this task, we introduce PACT, a dataset of Personality-driven Argumentation-based negotiation Conversations for Tourism sector. This dataset, generated using Large Language Models (LLMs), features three distinct personality profiles, viz. Argumentation Profile, Preference Profile, and Buying Style Profile to simulate a variety of negotiation scenarios involving diverse personalities. Thorough automatic and manual evaluations indicate that the dataset comprises high-quality dialogues. Further, we conduct comparative experiments between pre-trained and fine-tuned LLMs for the PAN-DG task. Multi-dimensional evaluation demonstrates that the fine-tuned LLMs effectively generate personality-driven rational responses during negotiations. This underscores the effectiveness of PACT in enhancing personalization and reasoning capabilities in negotiation dialogue systems, thereby establishing a foundation for future research in this domain.
- Abstract（参考訳）: 交渉対話システムへの議論機構の統合は、議論と批判の交換を通じて紛争解決を改善する。
さらに、性格特性を取り入れることで、個人の好みやスタイルと相互作用を整合させることにより適応性を高める。
交渉対話システムにおけるこれらの能力向上のために,新たなPersonality-driven Argumentation-based Negotiation Dialogue Generation (PAN-DG)タスクを提案する。
この課題を支援するために,PACT(Personality-driven Argumentation-based negotiations Conversations for Tourism sector)を導入した。
このデータセットは、LLM(Large Language Models)を使用して生成され、3つの異なるパーソナリティプロファイルであるvizを特徴とする。
多様な個人性を含む様々な交渉シナリオをシミュレートするために、議論プロファイル、選好プロファイル、購入スタイルプロファイルをシミュレートする。
詳細な自動評価と手動評価は、データセットが高品質な対話を含んでいることを示している。
さらに, PAN-DGタスクに対して, 事前学習と微調整によるLLMの比較実験を行った。
多次元評価は、細調整されたLLMが交渉中に人格主導の合理的反応を効果的に生成することを示す。
このことは、交渉対話システムにおけるパーソナライズと推論能力の向上におけるPACTの有効性を浮き彫りにして、この領域における将来の研究の基盤を確立している。
関連論文リスト
- Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。
AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。
本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
論文 参考訳（メタデータ） (2025-06-26T16:45:20Z) - Dialogue Language Model with Large-Scale Persona Data Engineering [10.160626284195434]
PPDSはオープンドメインのペルソナ対話システムであり、ペルソナの一貫性を高めるためにペルソナ対話データセットに広範囲な生成前トレーニングを利用する。
本研究では,自律的かつ高精度な対話データセット生成を目的としたペルソナ抽出モデルを提案する。
また、構築されたデータセットに固有の無効なペルソナバイアスに対処するために、先駆的なペルソナ拡張手法を公表した。
論文 参考訳（メタデータ） (2024-12-12T07:49:06Z) - Plug-and-Play Policy Planner for Large Language Model Powered Dialogue
Agents [121.46051697742608]
そこで本稿では,PDPPという言語モデルプラグインを用いて対話問題を整理するための新たな対話ポリシー計画パラダイムを提案する。
具体的には、利用可能な人間の注釈付きデータに対する教師付き微調整を容易にするための新しいトレーニングフレームワークを開発する。
PPDPPは3つの異なるプロアクティブな対話アプリケーションにおいて、既存のアプローチを一貫して、実質的に上回っている。
論文 参考訳（メタデータ） (2023-11-01T03:20:16Z) - Dialogue Agents 101: A Beginner's Guide to Critical Ingredients for Designing Effective Conversational Systems [29.394466123216258]
本研究は,対話エージェントの主要な特徴,対応するオープンドメインデータセット,およびこれらのデータセットをベンチマークする手法について概説する。
我々は,既存のデータセットの会話から構築された統一dIalogue dataseTであるUNITを提案する。
論文 参考訳（メタデータ） (2023-07-14T10:05:47Z) - WHAT, WHEN, and HOW to Ground: Designing User Persona-Aware
Conversational Agents for Engaging Dialogue [4.328280329592151]
本稿では,WWH問題に対処するオープンドメイン対話システムを構築する方法を提案する。
提案手法は、重み付けされたデータセットブレンディング、ネガティブなペルソナ情報拡張方法、パーソナライズされた会話データセットの設計を含む。
本研究は,対話の流速と接地傾向のバランスを効果的に保ちつつ,接地応答の制御性と説明性を向上させるための応答型ラベルを導入する。
論文 参考訳（メタデータ） (2023-06-06T02:28:38Z) - 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) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳（メタデータ） (2020-05-27T02:05:33Z) - 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。