DEUS：一种用于估计多轮对话中用户满意度的数据驱动方法

数字助手因能协助用户处理日常任务而快速发展，其中大多数对话以多轮形式进行。然而，评估多轮对话仍然具有挑战性，尤其是在大规模场景下。我们提出了一种考虑多种用户偏好的上下文敏感方法，用于估计对话的轮次级满意度。用户与对话系统之间的交互代价使用预算消耗概念进行建模。我们假设用户基于任务复杂度形成对一段对话的初始交互预算，且每一轮都有代价。当任务完成或预算耗尽时，用户退出对话。我们通过在模拟对话平台和真实多轮对话上的大量实验证明了方法的有效性。