ترغب بنشر مسار تعليمي؟ اضغط هنا

ضع chatbot في أحذية محاورها: إطار جديد لتعلم Chatbot يستجيب بقصد

Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn Chatbot Responding with Intention

246   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

معظم أدب Chatbot الذي يركز على تحسين طلاقة وتماسك Chatbot، مكرس لصنع Chatbots المزيد من البشر. ومع ذلك، فإن العمل القليل جدا يلحق ما يفصل حقا عن البشر من Chatbots - البشر يفهمون جوهريا تأثير ردودهم على المحاور وغالبا ما يستجيبون بنية مثل اقتراح نظرة متفائلة لجعل المحاور يشعر بالتحسن. تقترح هذه الورقة إطارا مبتكرا لتدريب Chatbots لامتلاك نوايا تشبه الإنسان. يشتمل إطار عملنا على تشاتبوت توجيهي وطراز محاور يلعب دور البشر. يتم تعيين chatbot التوجيهي وتعلم أن يحفز المحاور للرد بالردود التي تطابق النية، على سبيل المثال، الاستجابات الطويلة، الاستجابات بهيجة، الاستجابات ذات الكلمات المحددة، إلخ. لقد درسنا الإطار الخاص بنا باستخدام ثلاث من الإعدادات التجريبية وتقييم Chatbot التوجيهي مع أربعة مقاييس مختلفة لإظهار المرونة ومزايا الأداء. بالإضافة إلى ذلك، أجرينا تجارب مع محاورات بشرية لإثبات فعالية Chatbot التوجيهية في التأثير على ردود البشر إلى حد ما. سيتم توفير الكود للجمهور.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

وسط ارتفاع احتياجات الصحة العقلية في المجتمع، يتم نشر العوامل الافتراضية بشكل متزايد في المشورة. من أجل تقديم المشورة ذات الصلة، يجب على المستشارين أولا الحصول على فهم للقضايا المطروحة من خلال إظهار التقاسم من المستشار. من المهم وبالتالي بالنسبة للمس تشار Chatbot لتشجيع المستخدم على الانفتاح والتحدث. إحدى الطرق للحفاظ على تدفق المحادثة هي الاعتراف بالنقاط الرئيسية لاستشار المستشار عن طريق إعادة استخدامها، أو تحقيقها أكثر مع الأسئلة. تطبق هذه الورقة نماذج من مهام PLLP ذات الصلة ارتباطا وثيقا --- تلخيص وتوليد الأسئلة --- لإعادة التعميد وتوليد السؤال في سياق المشورة. أجرينا تجارب على مجموعة بيانات مشروحة يدويا من أزواج الكانتونية بعد الرد على الموضوعات المتعلقة بالوحدة والقلق الأكاديمي والقلق الاختبار. لقد حصلنا على أفضل أداء في كلا من إعادة تناوله وتوليد الأسئلة من خلال Bertsum Berting، وهو نموذج تلخيص حديثة، مع مجموعة البيانات اليدوية داخل المجال المعزز بمجموعة بيانات مفتوحة واسعة النطاق تلقائيا.
لا تدعم العديد من Chatbots الموجودة بشكل فعال المبادرة المختلطة، مما أجبر مستخدميهم على الاستجابة بشكل سلبي أو يؤدي باستمرار. نسعى لتحسين هذه التجربة من خلال تقديم آليات جديدة لتشجيع مبادرة المستخدم في محادثات Chatbot الاجتماعية. نظرا لأن مبادرة المس تخدم في هذا الإعداد متميزة عن المبادرة في الحوار البشري البشري أو موجه نحو المهام، فإننا نقترح أولا تعريف جديد يمثل المستخدمين من فريدة من الفريدين للمستخدمين في هذا السياق. بالتقييم من اللغويات، نقترح ثلاث آليات لتعزيز مبادرة المستخدم: التوجيه الخلفي، والإفصاح الشخصي، واستبدال الأسئلة ببيانات. نظهر أن المقاييس التلقائية البسيطة لطول الكلام وعدد عبارات الأسماء وتنوع ردود المستخدم يرتبط بالحكم البشري للمبادرة. أخيرا، نستخدم هذه المقاييس تشير إلى أن هذه الاستراتيجيات تؤدي إلى زيادات ذات دلالة إحصائية في مبادرة المستخدم، حيث تكرارها، ولكن غير مفرطة، هي الإستراتيجية الأكثر فعالية.
أظهرت وكلاء الحوار القرملي العصبي القدرة المتزايدة على إجراء محادثات Chitchat قصيرة، عند تقييمها من قبل CrowDWorkers في الإعدادات التي تسيطر عليها. ومع ذلك، فإن أدائهم في نشر الحياة الحقيقية - التحدث إلى المستخدمين الدوافع الجوهرية في البيئات الصاخبة - أقل استكشافا جيدا. في هذه الورقة، نقوم بإجراء دراسة حالة مفصلة لنموذج توليدي عصبي منتشر كجزء من الكاردينال الغربي، جائزة اليكسا جائزة. نجد أن كلمات المستخدم غير واضحة هي مصدر رئيسي للأخطاء الإنتاجية مثل تجاهل، الهلوسة، إلغاء التكرار. ومع ذلك، حتى في سياقات لا لبس فيها، يقوم النموذج بشكل متكرر بإجراء أخطاء في التفكير. على الرغم من أن المستخدمين يعبرون عن عدم الرضا في الارتباط مع هذه الأخطاء، تعتمد أنواع عدم الاستياء بشكل معيادة (مثل إفرازات الاعتراضات والخصوصية) على عوامل إضافية - مثل المواقف الشخصية للمستخدم، والاستلاك غير المعتاد مسبق في المحادثة. أخيرا، نظهر أن كلمات المستخدم غير الراضية يمكن استخدامها كإشارة تعليمية شبه إشراف لتحسين نظام الحوار. نحن ندرب نموذجا للتنبؤ بعدم التشغيل التالي، وتظهر من خلال التقييم البشري كدالة ترتيب، فهو يختار كلام أعلى من الجودة الناتجة.
المخابرات الاصطناعية Chatbots هي الطليعة في التدخل المستندة إلى التكنولوجيا لتغيير سلوك الناس. لتطوير تدخل Chatbots، فإن الخطوة الأولى هي فهم استراتيجيات محادثة اللغة الطبيعية في المحادثة الإنسانية. يقدم هذا العمل بيانات محادثة تدخل تم جمعها من برنام ج تدخل النشاط البدني العالمي الحقيقي للنساء. لقد صممنا خطط شروح شاملة في أربع أبعاد (مجال واستراتيجية والتبادل الاجتماعي والتبادل الذي تركز على المهام) وتم الإعلان عن مجموعة فرعية من الحوار. بنينا مصنف استراتيجية مع معلومات السياق للكشف عن الاستراتيجيات من كل من المدربين والمشاركين بناء على التوضيحية. لفهم كيفية قيام التدخل البشري بتحريض تغييرات سلوك فعالة، قمنا بتحليل العلاقات بين استراتيجيات التدخل وتغييرات المشاركين في الجدار والدعم الاجتماعي للنشاط البدني. لقد قمنا أيضا بتحليل كيفية ارتباط الوزن الأساسي للمشارك بمقدار حدوث الاستراتيجية المقابلة. يضع هذا العمل الأساس لتطوير تدخل النشاط البدني الشخصي Chatbot.
أنظمة الحوار الشخصية هي خطوة أساسية نحو تفاعل أفضل للرشاشة. يعتمد عملاء الحوار الشخصي الموجودين على مجموعات بيانات المحادثة المصممة بشكل صحيح، والتي هي في الغالب أحادية طاهرية (على سبيل المثال، الإنجليزية)، والتي تحد بشكل كبير من استخدام وكلاء المحاد ثة بلغات أخرى. في هذه الورقة، نقترح تمديد متعدد اللغات من الدردشة، أي XPersona. تتضمن DataSet لدينا محادثات الشخص في ست لغات مختلفة بخلاف اللغة الإنجليزية لتقييم وكلاء شخصيين متعدد اللغات. نقوم بتجربة خطوط الأساس المدربين متعدد اللغات واللغات المعلنة وتقييمها ضد نماذج خطوط الأنابيب أحادية الترجمة والترجمة باستخدام التقييم التلقائي والبشري. تظهر النتائج التجريبية أن النماذج المدربة متعددة اللغات تتفوق على خط أنابيب الترجمة وأنها على قدم المساواة مع النماذج الأولية، مع ميزة وجود نموذج واحد عبر لغات متعددة. من ناحية أخرى، فإن النماذج المدربة عبر اللغات الواحد من بين الفن تحقق أدنى أدنى للنماذج الأخرى، مما يدل على أن نمذجة المحادثة عبر اللغات هي مهمة صعبة. نأمل أن تسرع مجموعة بياناتنا وخطوط الأساسين بحثا في أنظمة حوار متعددة اللغات.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا