在任务导向和基于文档的对话中从隐式用户反馈、情感和人口统计信息中学习
计算与语言
2024-11-12 v2 人机交互
摘要
隐式用户反馈、用户情感和人口统计信息已被证明是提高对话系统生成响应的准确性和用户参与度的有前景的来源。然而，此类信息对任务完成度和事实一致性的影响（这是任务导向和基于文档对话的重要标准）尚不清楚。为解决这一问题，我们引入了 FEDI，这是首个标注了此类信息的英语任务导向和基于文档的对话数据集。我们使用 Flan-T5、GPT-2 和 Llama 2 进行的实验表明，这对任务完成度和事实一致性产生了特别积极的影响。我们的人工评估参与者报告称，经过反馈训练的模型生成的响应更具信息量（Flan-T5 和 GPT-2），且更相关且事实一致（Llama 2）。
引用
@article{arxiv.2401.09248,
title = {Learning from Implicit User Feedback, Emotions and Demographic Information in Task-Oriented and Document-Grounded Dialogues},
author = {Dominic Petrak and Thy Thy Tran and Iryna Gurevych},
journal= {arXiv preprint arXiv:2401.09248},
year = {2024}
}
备注
Accepted and published in EMNLP 2024 Findings