InterviewBot: Real-Time End-to-End Dialogue System to Interview Students for College Admission

要約

会話履歴とカスタマイズされたトピックを首尾一貫した埋め込みスペースに動的に統合する InterviewBot を紹介し、学問的および文化的準備状況を評価するために米国の大学に出願している外国人学生と 10 分間のハイブリッド ドメイン (オープンおよびクローズド) の会話を行います。
ニューラルベースのエンドツーエンドの対話モデルを構築するために、人間同士のインタビューの 7,361 件の音声録音が自動的に書き起こされ、440 件が微調整と評価のために手動で修正されます。
トランスフォーマーベースのエンコーダー/デコーダー モデルの入力/出力サイズの制限を克服するために、コンテキスト アテンションとトピック保存という 2 つの新しい方法が提案され、モデルが関連性のある一貫した対話を行えるようにします。
私たちの最終的なモデルは、インタビューデータへの応答を比較することによって統計的にテストされ、プロのインタビュアーとさまざまな学生をリアルタイムで対話させることによって動的にテストされ、流暢さとコンテキスト認識において非常に満足できることがわかりました.

要約(オリジナル)

We present the InterviewBot that dynamically integrates conversation history and customized topics into a coherent embedding space to conduct 10 mins hybrid-domain (open and closed) conversations with foreign students applying to U.S. colleges for assessing their academic and cultural readiness. To build a neural-based end-to-end dialogue model, 7,361 audio recordings of human-to-human interviews are automatically transcribed, where 440 are manually corrected for finetuning and evaluation. To overcome the input/output size limit of a transformer-based encoder-decoder model, two new methods are proposed, context attention and topic storing, allowing the model to make relevant and consistent interactions. Our final model is tested both statistically by comparing its responses to the interview data and dynamically by inviting professional interviewers and various students to interact with it in real-time, finding it highly satisfactory in fluency and context awareness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google