基于多方对话嵌入的团队绩效分析
计算与语言
2021-01-26 v1 机器学习
摘要
良好的沟通无疑是有效团队合作的基础。随着时间的推移，团队会形成自身的沟通风格，并经常表现出趋同现象（entrainment），即人类在对话中同步其语言选择的会话现象。本文研究了从多方对话中学习嵌入以预测团队绩效的问题，使得具有相似冲突分数的团队在向量空间中彼此接近。嵌入提取自三类特征：1）对话行为（dialogue acts）；2）情感极性（sentiment polarity）；3）句法趋同（syntactic entrainment）。尽管这些特征都可用于有效预测团队绩效，但它们的作用因团队合作阶段而异。我们将进行合作游戏的玩家的对话划分为以下阶段：1）早期（知识构建）；2）中期（问题解决）；3）晚期（收尾）。与句法趋同不同，对话行为和情感嵌入在分类团队绩效方面均有效，即便在初始阶段也是如此。该发现对开发促进团队合作的对话智能体具有潜在影响。
引用
@article{arxiv.2101.09421,
title = {Analyzing Team Performance with Embeddings from Multiparty Dialogues},
author = {Ayesha Enayet and Gita Sukthankar},
journal= {arXiv preprint arXiv:2101.09421},
year = {2021}
}
备注
To be published in the 15th IEEE International Conference on Semantic Computing