INA：一种通过基于奖励的对话系统增强谈判策略的整合式方法
计算与语言
2023-10-30 v1
摘要
本文提出一种为在线市场设计的新型谈判对话智能体。我们的智能体具有整合性质，即它能够就价格以及其他因素（如交易捆绑中物品的增减）进行谈判，从而提供更灵活和全面的谈判体验。我们创建了一个称为整合式谈判数据集（IND）的新数据集以实现此功能。在该数据集创建中，我们引入了一种新的半自动化数据创建方法，其结合了谈判意图、动作的定义，以及用户与智能体之间的意图-动作模拟以生成潜在对话流。最后，利用最先进的语言模型 GPT-J 进行提示以生成给定意图的对话，并采用人在回路过程进行后编辑和细化微小错误以确保高数据质量。我们采用一组专为谈判任务定制的新颖奖励来训练我们的谈判智能体，称为整合式谈判智能体（INA）。这些奖励激励聊天机器人学习可适应各种上下文需求和价格提议的有效谈判策略。通过利用 IND，我们训练模型并开展实验以评估我们基于奖励的谈判对话系统的有效性。结果表明，所提方法和奖励系统显著增强了智能体的谈判能力。INA 成功进行整合式谈判，展现出动态调整价格以及谈判捆绑交易中物品包含或排除的能力。
引用
@article{arxiv.2310.18207,
title = {INA: An Integrative Approach for Enhancing Negotiation Strategies with Reward-Based Dialogue System},
author = {Zishan Ahmad and Suman Saurabh and Vaishakh Sreekanth Menon and Asif Ekbal and Roshni Ramnani and Anutosh Maitra},
journal= {arXiv preprint arXiv:2310.18207},
year = {2023}
}