用于机器-人工对话移交与服务满意度联合分析的角色选择共享网络
计算与语言
2021-09-20 v1
摘要
聊天机器人在不同领域日益蓬勃发展，然而，由于不可预期的对话复杂性与训练数据稀疏性，其潜在的不信任引发了重要担忧。近来，机器-人工对话移交（MHCH）通过预测聊天机器人失败并启用人机协作来提升聊天机器人质量，已引起工业界与学术界的日益关注。在本研究中，我们提出一种新颖模型——角色选择共享网络（RSSN），将对话满意度估计与移交预测集成于一个多任务学习框架中。不同于先前对话挖掘工作，通过利用局部用户满意度作为桥梁，全局满意度检测器与移交预测器可有效交换关键信息。具体而言，我们在共享编码器之后通过角色信息解耦两个任务之间的关系与交互。在两个公开数据集上的大量实验证明了我们模型的有效性。
引用
@article{arxiv.2109.08412,
title = {A Role-Selected Sharing Network for Joint Machine-Human Chatting Handoff and Service Satisfaction Analysis},
author = {Jiawei Liu and Kaisong Song and Yangyang Kang and Guoxiu He and Zhuoren Jiang and Changlong Sun and Wei Lu and Xiaozhong Liu},
journal= {arXiv preprint arXiv:2109.08412},
year = {2021}
}
备注
11 pages, 4 figures, accepted by the main conference of EMNLP 2021