利用预训练语言模型简化自跟踪的自然语言交互
计算与语言
2022-06-08 v3 人工智能
人机交互
摘要
当前用于自跟踪工具的自然语言交互很大程度上依赖于针对特定跟踪主题和数据格式优化的定制实现，这种方式对于庞大的自跟踪设计空间既不可泛化也不可扩展。然而，由于跟踪主题和数据格式的广泛多样性，在自跟踪背景下训练机器学习模型具有挑战性。在本文中，我们提出了一种用于自跟踪的新型 NLP 任务，该任务从描述为纯文本回顾性活动日志中提取封闭式和开放式信息，以及执行该任务的、与领域无关的基于 GPT-3 的 NLU 框架。该框架使用合成样本增强提示，将任务转化为 10-shot 学习，以解决引导新跟踪主题时的冷启动问题。我们的初步评估表明，我们的方法显著优于基线 QA 模型。进一步，我们讨论了 NLP 与 HCI 研究人员可协作的未来应用领域。
引用
@article{arxiv.2205.15503,
title = {Leveraging Pre-Trained Language Models to Streamline Natural Language Interaction for Self-Tracking},
author = {Young-Ho Kim and Sungdong Kim and Minsuk Chang and Sang-Woo Lee},
journal= {arXiv preprint arXiv:2205.15503},
year = {2022}
}
备注
Accepted to NAACL '22 2nd Workshop on Bridging Human-Computer Interaction and Natural Language Processing. 10 pages including appendix, 2 figures, and 1 table