論文の概要: Personalization and Evaluation of Conversational Information Access

• arxiv url: http://arxiv.org/abs/2606.13717v1
• Date: Thu, 11 Jun 2026 04:11:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.518095
• Title: Personalization and Evaluation of Conversational Information Access
• Title（参考訳）: 対話型情報アクセスのパーソナライズと評価
• Authors: Hideaki Joko,
• Abstract要約: 本論文は,(1)個人的文脈抽出,(2)個人的応答生成,(3)効果的かつ解釈可能なシステム評価といった課題に対処する。 まず、会話におけるエンティティリンク(EL)が持つものを研究することにより、個人的コンテキスト抽出に取り組む。 第2に、大規模で人書きのパーソナライズされた会話データセットを効率的に構築する手法であるLAPSを提案することにより、パーソナライズされた応答生成に焦点を当てる。 第3に,会話全体を評価し,人間の判断と密接に一致させる自動参照フリー手法であるFACEを導入することにより,効果的かつ解釈可能なシステム評価の必要性に対処する。
• 参考スコア（独自算出の注目度）: 1.6413754973916002
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational interactions have reshaped information retrieval systems, as users increasingly favour direct answers over traditional hyperlinks. To build reliable Conversational Information Access (CIA) systems that account for personal context, this thesis addresses challenges: (1) personal context extraction, (2) personalized response generation, and (3) effective and interpretable system evaluation. First, we tackle personal context extraction by studying what Entity Linking (EL) in conversations entails, introducing a dataset for conversational entity linking (ConEL), and proposing CREL, a novel EL method tailored for conversational settings. Second, we focus on personalized response generation by proposing LAPS, a method for efficiently constructing large-scale, human-written, personalized conversational datasets, and using them to study how users' preferences can be utilized to generate personalized responses. Finally, we address the need for effective and interpretable system evaluation by introducing FACE, an automatic, reference-free method that assesses entire conversations and aligns closely with human judgments.
• Abstract（参考訳）: 会話の対話は情報検索システムを再形成し、ユーザーは従来のハイパーリンクよりも直接回答を好んでいる。 個人的コンテキストを考慮した信頼できる会話情報アクセス(CIA)システムを構築するためには,(1)個人的コンテキスト抽出,(2)個人化された応答生成,(3)効果的かつ解釈可能なシステム評価といった課題に対処する。 まず,会話におけるエンティティリンク(EL)の関連性について検討し,会話エンティティリンク(ConEL)のためのデータセットを導入し,会話設定に適した新しいEL手法であるCRELを提案する。 第二に、LAPSは、大規模で人書き、パーソナライズされた会話データセットを効率的に構築する手法であり、それを用いて、ユーザの好みをどのように活用してパーソナライズされた応答を生成するかを研究する。 最後に、会話全体を評価し、人間の判断と密接に一致させる自動参照フリー手法であるFACEを導入することにより、効果的かつ解釈可能なシステム評価の必要性に対処する。

関連論文リスト

• Interplay: Training Independent Simulators for Reference-Free Conversational Recommendation [29.520574514713402]
  2つの独立した大規模言語モデル(LLM)を訓練する参照不要なシミュレーションフレームワークを提案する。 これらのモデルは、所定の対象アイテムにアクセスすることなくリアルタイムで相互作用するが、好みの要約やターゲット属性はアクセスしない。 このアプローチは、人間とAIの相互作用を密接に反映する、より現実的で多様な会話を生み出します。
  論文  参考訳（メタデータ） (2026-03-19T07:33:50Z)
• Human vs. Agent in Task-Oriented Conversations [22.743152820695588]
  本研究は,大規模言語モデル(LLM)を模擬したユーザとタスク指向の対話における人間ユーザとの体系的比較を行った最初の事例である。 本分析により,問題解決手法における2つのユーザタイプ間の行動的差異が明らかとなった。
  論文  参考訳（メタデータ） (2025-09-22T11:30:39Z)
• Does Collaborative Human-LM Dialogue Generation Help Information Extraction from Human Dialogues? [55.28340832822234]
  実際のアプリケーションにおける人間の対話の問題解決は、既存のWizard-of-Ozコレクションよりもはるかに複雑である。 本稿では,リアルな対話を合成できる人間間対話生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-13T20:02:50Z)
• 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)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion [77.21442487537139]
  対話型レコメンデータシステム(CRS)は,対話型対話を通じて高品質なアイテムをユーザに推薦することを目的としている。 まず、会話データ自体にユーザの好みを正確に理解するための十分なコンテキスト情報がない。 第二に、自然言語表現とアイテムレベルのユーザ嗜好の間には意味的なギャップがある。
  論文  参考訳（メタデータ） (2020-07-08T11:14:23Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)
• A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
  Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。