让我们更个性化：在 Alexa Prize 中个人化问题提升 SocialBot 表现
计算与语言
2023-03-10 v1 人机交互
摘要
口语对话社区中，对于创建开放域对话系统的关注日益增加。与传统对话系统不同，这些对话系统不能假设任何特定的信息需求或领域限制，即其唯一内在目标是在未知主题集上与用户交谈。尽管自然语言理解（NLU）的巨大进步以及可用知识资源的增长可以部分支撑稳健的对话，但这些对话普遍缺乏彼此相识的两人之间的人际融洽。我们开发了一个稳健的开放域对话系统 Athena，真实 Amazon Echo 用户在 Alexa Prize 竞赛背景下大规模访问并评估它。我们尝试通过启发式开发基于规则的用户模型来个性化当前及后续对话，从而在 A/B 研究中评估特定的个人观点问题策略，以增进 Athena 与用户之间的亲密感。我们的结果显示，采用这些策略对感知对话质量和长度有统计显著的积极影响。
引用
@article{arxiv.2303.04953,
title = {Let's Get Personal: Personal Questions Improve SocialBot Performance in the Alexa Prize},
author = {Kevin K. Bowden and Marilyn Walker},
journal= {arXiv preprint arXiv:2303.04953},
year = {2023}
}
备注
Won Best Paper at IWSDS '23