基于情绪、人口信息和隐式用户反馈的面向任务的文档驱动对话学习
原文中文,约400字,阅读约需1分钟。发表于: 。近期人机交互领域的研究表明,考虑到人口统计信息、用户情感以及从话语中的隐含反馈中学习是任务导向和以文档为基础的对话系统获得用户接受和喜欢的关键。然而,这些发现尚未在自然语言处理领域得到应用,缺乏相应的数据集。为了填补这一空白,我们引入了 FEDI,这是第一个包含任务导向的以文档为基础的对话的英语数据集,其中注释了人口统计信息、用户情感和隐含反馈。我们使用 FLAN-T5、GPT-2 和...
最近的研究发现,考虑到人口统计信息、用户情感和隐含反馈对于任务导向和以文档为基础的对话系统的成功至关重要。研究人员引入了FEDI,这是第一个包含任务导向的以文档为基础的对话的英语数据集,其中注释了人口统计信息、用户情感和隐含反馈。实验结果表明,这些数据有潜力改善任务完成情况、生成回答的事实一致性以及用户接受程度。