論文の概要: Towards Proactive Information Probing: Customer Service Chatbots Harvesting Value from Conversation

• arxiv url: http://arxiv.org/abs/2604.11077v2
• Date: Thu, 16 Apr 2026 10:37:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 16:09:14.155229
• Title: Towards Proactive Information Probing: Customer Service Chatbots Harvesting Value from Conversation
• Title（参考訳）: プロアクティブな情報提供に向けて - 会話から価値を引き出す顧客サービスチャットボット
• Authors: Chen Huang, Zitan Jiang, Changyi Zou, Wenqiang Lei, See-Kiong Ng,
• Abstract要約: 本稿では,Proactive Information Probingの新たなタスクを紹介し,定義する。 ProCHATIPは,プローブの微妙なタイミングをマスターするために訓練された,特殊な会話戦略モジュールを特徴とするフレームワークである。 私たちの仕事はチャットボットの商業的有用性を効果的に再定義し、能動的なビジネスインテリジェンスのためのスケーラブルで費用対効果の高いエンジンとして位置づけます。
• 参考スコア（独自算出の注目度）: 61.439336844163364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Customer service chatbots are increasingly expected to serve not merely as reactive support tools for users, but as strategic interfaces for harvesting high-value information and business intelligence. In response, we make three main contributions. 1) We introduce and define a novel task of Proactive Information Probing, which optimizes when to probe users for pre-specified target information while minimizing conversation turns and user friction. 2) We propose PROCHATIP, a proactive chatbot framework featuring a specialized conversation strategy module trained to master the delicate timing of probes. 3) Experiments demonstrate that PROCHATIP significantly outperforms baselines, exhibiting superior capability in both information probing and service quality. We believe that our work effectively redefines the commercial utility of chatbots, positioning them as scalable, cost-effective engines for proactive business intelligence. Our code is available at https://github.com/SCUNLP/PROCHATIP.
• Abstract（参考訳）: カスタマーサービスチャットボットは、単にユーザのリアクティブサポートツールとして機能するだけでなく、高価値情報とビジネスインテリジェンスを取得するための戦略的インターフェースとして機能することがますます期待されている。 これに対し、主な貢献は3つあります。 1)会話のターンやユーザの摩擦を最小限に抑えつつ,ユーザの特定対象情報を探索するタイミングを最適化するProactive Information Probingの新たなタスクを導入し,定義する。 2)プローブの微妙なタイミングを学習するための特殊な会話戦略モジュールを備えたプロアクティブチャットボットであるProCHATIPを提案する。 3) 実験により, ProCHATIPはベースラインを著しく上回り, 情報探索とサービス品質の両面で優れた性能を示した。 当社の作業はチャットボットの商業的有用性を効果的に再定義し、能動的なビジネスインテリジェンスのためのスケーラブルで費用対効果の高いエンジンとして位置づけている、と私たちは信じています。 私たちのコードはhttps://github.com/SCUNLP/PROCHATIP.comで公開されています。

関連論文リスト

• SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery [55.50580661343875]
  本稿では,対話のロールアウトをシミュレートして検討計画を実行するマルチエージェントインタビュアーSparkMeを紹介する。 LLMベースの面接者による制御実験を通じてSparkMeを評価し,より高い面接性を実現することを示す。 7つの専門職の70人の参加者が、AIが専門職に与える影響について、SparkMeをユーザスタディで検証しています。
  論文  参考訳（メタデータ） (2026-02-24T17:33:02Z)
• A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
  大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。 本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
  論文  参考訳（メタデータ） (2025-04-07T21:01:25Z)
• ChatShop: Interactive Information Seeking with Language Agents [16.879814917881895]
  新しい情報を戦略的に求める欲求と能力は 人間の学習に欠かせないものです 我々は,言語エージェントが戦略的探索を行う能力をテストするために設計された,人気のあるWebショッピングタスクを分析した。 提案課題は,エージェントが情報を探究し,徐々に蓄積する能力を効果的に評価できることを示す。
  論文  参考訳（メタデータ） (2024-04-15T16:35:41Z)
• Multi-Purpose NLP Chatbot : Design, Methodology & Conclusion [0.0]
  本研究は,現在あるチャットボット技術環境を網羅的に分析するものである。 ユーザインタラクションと会話体験を改善するために強化学習戦略を利用する、非常に柔軟なシステムを提供する。 チャットボット技術の発展の複雑さと、これらの開発を推進してきた要因と、それらが様々な分野に及ぼした影響についても検討する。
  論文  参考訳（メタデータ） (2023-10-13T09:47:24Z)
• NewsDialogues: Towards Proactive News Grounded Conversation [72.10055780635625]
  本稿では,対話システムがニュースの重要な話題に基づいて会話を積極的にリードする新しいタスク,Proactive News Grounded Conversationを提案する。 この課題をさらに発展させるために、人間と人間の対話データセットtsNewsDialoguesを収集し、合計14.6Kの発話を含む1Kの会話を含む。
  論文  参考訳（メタデータ） (2023-08-12T08:33:42Z)
• AI Based Chatbot: An Approach of Utilizing On Customer Service Assistance [0.0]
  このプロジェクトの目的は、複雑な質問や論理的なアウトプットの回答に対応するシステムを開発することである。 最終的な目標は、ユーザ入力(クエスト)に基づいた高品質な結果(回答)を提供することである。
  論文  参考訳（メタデータ） (2022-06-18T00:59:10Z)
• 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)
• Re-entry Prediction for Online Conversations via Self-Supervised Learning [25.488783376789026]
  本稿では,再突入予測のための自己教師型信号として,スプレッドパターン,繰り返しターゲットユーザ,ターンオーサシップの3つの補助タスクを提案する。 Twitter と Reddit から新たに収集した2つのデータセットの実験結果から,我々の手法が過去の最先端よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-05T08:07:52Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)

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。