面向社交机器人与对话代理的基于知识的对话流管理
机器人学
2022-08-23 v1 人机交互
摘要
本文提出一种为社交机器人及其他对话代理设计的基于知识的对话系统。所提系统依赖于一个本体，用于描述所有可能相关的对话主题概念及其相互关系。文章聚焦于对话管理算法，该算法根据用户输出来选择最合适的对话主题。此外，文章讨论了若干策略，以确保对话流尽可能连贯地捕捉用户将对话引向特定方向的意图，同时避免对用户话语的纯粹反应性回应。为衡量对话质量，文章报告了由 100 名招募参与者进行的测试，比较了五种对话代理：(i) 仅基于语音中关键词检测进行对话流管理的代理，(ii) 同时基于关键词检测和 Google Cloud Natural Language 的内容分类功能的代理，(iii) 随机选取对话主题的代理，(iv) 假扮聊天机器人的人类，以及 (v) 全球最著名的聊天机器人之一：Replika。参与者的主观感受通过 SASSI（语音系统接口主观评估）工具以及一项用于测量连贯性主观感知的定制调查来度量。
引用
@article{arxiv.2108.02174,
title = {Knowledge-Grounded Dialogue Flow Management for Social Robots and Conversational Agents},
author = {Lucrezia Grassi and Carmine Tommaso Recchiuto and Antonio Sgorbissa},
journal= {arXiv preprint arXiv:2108.02174},
year = {2022}
}
备注
21 pages, 20 figures