利用行为与对话流特征预测对话任务助手中的评分
计算与语言
2023-09-21 v1 人工智能
摘要
预测对话任务助手（CTA）的成功对于理解用户行为并据此行动至关重要。在本文中，我们提出 TB-Rater，一种 Transformer 模型，其结合对话流特征与用户行为特征，用于在 CTA 场景中预测用户评分。特别地，我们使用在 Alexa TaskBot 挑战赛中收集的真实人机对话与评分，这是一个新颖的多模态多轮对话上下文。我们的结果显示了在单一模型中同时建模对话的对话流与行为方面对于离线评分预测的优势。此外，对 CTA 特定行为特征的分析带来了对该设置的洞察，并可用于引导未来系统。
引用
@article{arxiv.2309.11307,
title = {Rating Prediction in Conversational Task Assistants with Behavioral and Conversational-Flow Features},
author = {Rafael Ferreira and David Semedo and João Magalhães},
journal= {arXiv preprint arXiv:2309.11307},
year = {2023}
}