社交机器人对话中的语音情感与客户满意度估计
音频与语音处理
2020-08-31 v1
摘要
对于交互式智能体，例如面向任务的口语对话系统或聊天机器人，衡量并适应用户满意度（CSAT）对于理解用户对该智能体行为的感知以及提升用户参与度与留存率至关重要。然而，智能体通常依赖显式的客户反馈来衡量 CSAT。此类显式反馈可能使用户分心，且难以捕捉持续变化的用户满意度。为应对这一挑战，我们提出一种利用 Alexa Prize 社交机器人数据中的声学与词汇信息自动估计 CSAT 的新方法。我们首先在语句与对话两个层面探究 CSAT 与情感得分之间的关系。随后我们研究以估计情感得分为中层表示的静态与时间建模方法。结果表明，情感得分（尤其是效价与满意度）与 CSAT 相关。我们还证明，相较于静态基线以及人类表现，我们所提出的时间建模估计 CSAT 方法取得了具有竞争力的性能。本工作为真实用户与社交机器人之间的开放域社交对话，以及利用声学与词汇信息理解 CSAT 与情感得分之间的关系提供了见解。
引用
@article{arxiv.2008.12376,
title = {Speech Sentiment and Customer Satisfaction Estimation in Socialbot Conversations},
author = {Yelin Kim and Joshua Levy and Yang Liu},
journal= {arXiv preprint arXiv:2008.12376},
year = {2020}
}
备注
To be published in Interspeech 2020