一种基于机器学习的POMDP对话管理中意图发现的改进方法
人工智能
2020-09-22 v1 人机交互
摘要
具身对话代理（ECA）是一种智能代理，作为软件应用的前端，通过言语/非言语表达与用户交互，并无时间、地点和语言限制地提供在线协助。为有助于改善人机交互体验，越来越需要赋予ECA不仅有其人类对应者的逼真外观，还有更高层次的智能。本论文首先强调与ECA构建相关的主要主题，包括不同的对话管理方法，并讨论现有趋势分析技术在其用户分类中的应用。作为对先前ECA工作的进一步精炼与增强，本论文研究提出一个将基于情感的面部动画与改进的意图发现相集成的 cohesive 框架。此外，引入一种机器学习技术，以支持基于POMDP的对话管理中策略设计的情感分析调整。所提研究工作将提高意图发现的准确率，同时缩短对话长度。
引用
@article{arxiv.2009.09354,
title = {An Improved Approach of Intention Discovery with Machine Learning for POMDP-based Dialogue Management},
author = {Ruturaj Raval},
journal= {arXiv preprint arXiv:2009.09354},
year = {2020}
}
备注
In addition to my thesis: https://scholar.uwindsor.ca/etd/7731/