Speaker Profiling in Multiparty Conversations

要約

タイトル：多者会話における話者プロファイリング
要約：
– 会話設定において、個人は独自の行動を示すため、一般的なアプローチでは対応できないため、対話エージェントによる応答生成には個別対応が必要です。
– 過去の研究では、話者のペルソナ情報を使用してパーソナライズされた対話エージェントを作成することを目的としていましたが、話者のペルソナがすでに提供されているという前提に依存していました。 ただし、特に銀行、ホテル予約、航空券予約などの業界で利用されるチャットボットの場合、この前提が常に正しいわけではありません。この研究論文は、このギャップを埋めるために、会話における話者プロファイリング（SPC）のタスクを探求することを目的としています。
– SPCの主な目的は、対話に参加する各個別話者のペルソナ特性の要約を生成することです。これを実現するために、タスクを3つのサブタスクに分割しました：ペルソナの発見、ペルソナタイプの識別、およびペルソナ値の抽出。
– このタスクに対処するために、SPICEという新しいデータセットを作成し、特定のラベルが付属するようにしました。基準線をこのデータセットで評価し、本論文で紹介する新しいニューラルモデル「SPOT」でベンチマークを行いました。さらに、SPOTの限界について、個々のモジュールの制限を量的および質的に調査した包括的な分析を提供します。

要約(オリジナル)

In conversational settings, individuals exhibit unique behaviors, rendering a one-size-fits-all approach insufficient for generating responses by dialogue agents. Although past studies have aimed to create personalized dialogue agents using speaker persona information, they have relied on the assumption that the speaker’s persona is already provided. However, this assumption is not always valid, especially when it comes to chatbots utilized in industries like banking, hotel reservations, and airline bookings. This research paper aims to fill this gap by exploring the task of Speaker Profiling in Conversations (SPC). The primary objective of SPC is to produce a summary of persona characteristics for each individual speaker present in a dialogue. To accomplish this, we have divided the task into three subtasks: persona discovery, persona-type identification, and persona-value extraction. Given a dialogue, the first subtask aims to identify all utterances that contain persona information. Subsequently, the second task evaluates these utterances to identify the type of persona information they contain, while the third subtask identifies the specific persona values for each identified type. To address the task of SPC, we have curated a new dataset named SPICE, which comes with specific labels. We have evaluated various baselines on this dataset and benchmarked it with a new neural model, SPOT, which we introduce in this paper. Furthermore, we present a comprehensive analysis of SPOT, examining the limitations of individual modules both quantitatively and qualitatively.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI