面向聊天移交的因果推断
人工智能
2022-10-07 v1 计算与语言
机器学习
摘要
旨在通过预测聊天机器人失败并实现人机协作来保障聊天机器人质量，机器-人类聊天移交（MHCH）近年来吸引了工业界与学术界的广泛关注。然而，大多数现有方法主要关注对话上下文或借助基于多任务学习的全局满意度预测，忽略了因果变量（如用户状态与人工成本）之间基于事实的关系。这些变量与移交决策显著相关，导致预测偏差与成本上升。因此，我们提出因果增强模块（CEM），基于这两个变量建立MHCH的因果图，其简洁有效且易于插入现有MHCH方法中。对于用户的影响，我们根据多任务的因果关系利用用户状态修正预测偏差。对于人工成本，我们通过反事实学习训练一个辅助成本模拟器以计算无偏人工成本，使模型具备成本感知能力。在四个真实基准上的大量实验证明了CEM在无需任何精细模型设计的情况下普遍提升现有MHCH方法性能的有效性。
引用
@article{arxiv.2210.02862,
title = {Causal Inference for Chatting Handoff},
author = {Shanshan Zhong and Jinghui Qin and Zhongzhan Huang and Daifeng Li},
journal= {arXiv preprint arXiv:2210.02862},
year = {2022}
}
备注
Work in progress