Let’s Get Personal: Personal Questions Improve SocialBot Performance in the Alexa Prize

要約

音声対話コミュニティでは、会話型のオープン ドメイン対話システムの作成にますます注目が集まっています。
従来の対話システムとは異なり、これらの会話システムは、特定の情報の必要性やドメインの制限を想定することはできません。つまり、唯一の固有の目標は、未知の一連のトピックについてユーザーと会話することです。
自然言語理解 (NLU) の大幅な改善と利用可能な知識リソースの増加は、堅牢な会話を部分的にサポートすることができますが、これらの会話は一般的に、お互いを知っている 2 人の人間の間の関係を欠いています。
実際の Amazon Echo ユーザーがアクセスし、Alexa Prize コンテストのコンテキストで大規模に評価する、堅牢なオープン ドメインの会話システム Athena を開発しました。
現在の会話とその後の会話の両方をパーソナライズするルールベースのユーザー モデルをヒューリスティックに開発し、A/B 研究で特定の個人的な意見の質問戦略を評価することにより、Athena とユーザーの間の親密さを高めることを目的とした方法を実験します。
私たちの結果は、これらの戦略を採用すると、知覚される会話の質と長さに統計的に有意なプラスの影響があることを示しています。

要約(オリジナル)

There has been an increased focus on creating conversational open-domain dialogue systems in the spoken dialogue community. Unlike traditional dialogue systems, these conversational systems cannot assume any specific information need or domain restrictions, i.e., the only inherent goal is to converse with the user on an unknown set of topics. While massive improvements in Natural Language Understanding (NLU) and the growth of available knowledge resources can partially support a robust conversation, these conversations generally lack the rapport between two humans that know each other. We developed a robust open-domain conversational system, Athena, that real Amazon Echo users access and evaluate at scale in the context of the Alexa Prize competition. We experiment with methods intended to increase intimacy between Athena and the user by heuristically developing a rule-based user model that personalizes both the current and subsequent conversations and evaluating specific personal opinion question strategies in A/B studies. Our results show a statistically significant positive impact on perceived conversation quality and length when employing these strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google