Learning from Emotions, Demographic Information and Implicit User Feedback in Task-Oriented Document-Grounded Dialogues

要約

タスク指向でドキュメントベースの対話システムが成功するかどうかは、ユーザーがそれを受け入れ、楽しんで使用できるかどうかにかかっています。
これを達成するには、ヒューマン コンピューター インタラクションの分野で最近発表された研究では、人口統計情報、ユーザーの感情の考慮、および発話内の暗黙的なフィードバックからの学習の組み合わせが特に重要であることが示唆されています。
ただし、これらの発見は、自然言語処理の分野にはまだ反映されておらず、自然言語処理の分野では、これらのデータは主に個別に研究されています。
したがって、十分に注釈が付けられたデータセットは利用できません。
このギャップに対処するために、人口統計情報、ユーザーの感情、暗黙的なフィードバックが注釈付けされた、タスク指向の文書ベースの対話のための初の英語対話データセットである FEDI を導入します。
FLAN-T5、GPT-2、および LLaMA-2 を使用した実験では、これらのデータがタスクの完了と、生成された応答とユーザーの受け入れの事実の一貫性を向上させる可能性があることを示しています。

要約(オリジナル)

The success of task-oriented and document-grounded dialogue systems depends on users accepting and enjoying using them. To achieve this, recently published work in the field of Human-Computer Interaction suggests that the combination of considering demographic information, user emotions and learning from the implicit feedback in their utterances, is particularly important. However, these findings have not yet been transferred to the field of Natural Language Processing, where these data are primarily studied separately. Accordingly, no sufficiently annotated dataset is available. To address this gap, we introduce FEDI, the first English dialogue dataset for task-oriented document-grounded dialogues annotated with demographic information, user emotions and implicit feedback. Our experiments with FLAN-T5, GPT-2 and LLaMA-2 show that these data have the potential to improve task completion and the factual consistency of the generated responses and user acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google