AliCHI：面向类人对话系统的大规模多模态数据集与自动化评测工具
人机交互
2022-12-13 v1
摘要
一个设计良好的交互式类人对话系统应能以类似人类的方式采取行动（如微笑）并作出回应。然而，由于当前公开数据集单模态（仅语音）或规模小的局限，多数对话系统只能以语音回应，无法作出类人动作。本工作中，我们构建了大规模面对面人人对话多模态数据集，并带细粒度标注。视频格式原始数据含 635 段对话会话，由 200 名参与者围绕设定话题采集，总时长 52 小时。此外，我们手动标注了每段对话会话中言语与非言语行为的起止时间戳。进而，我们开发了相应的类人对话系统评测工具，可自动在时间与内容上评测两项基本任务（话轮转换预测与反馈信号预测）的准确率。我们已开放数据，工具将在会议上发布。
引用
@article{arxiv.2212.05489,
title = {AliCHI: A Large-scale Multi-modal Dataset and Automated Evaluation Tool for Human-like Dialogue Systems},
author = {Zhiling Luo and Qiankun Shi and Sha Zhao and Wei Zhou and Haiqing Chen and Yuankai Ma and Haitao Leng},
journal= {arXiv preprint arXiv:2212.05489},
year = {2022}
}