Response Timing Decision and Addressee Selection Considering Participant Roles in Multiparty Conversations

論文翻譯標題: 考量參與者角色於多人對話中回應時機與收話者之選擇
  • 張 忱芯

學生論文: Doctoral Thesis

摘要

對話系統在人工智慧的這個領域是非常熱門的,而對話系統的研究已經從以往的一對一對話擴展到多人對話。相比一對一的對話系統多人系統有更多的參與者,因此有更多互動上的議題需要探討。本論文提出的系統是針對不同的參與角色對於多人對話系統互動關係的影響,包含兩個部分,分別是回應時機決策與收話人選擇。 本論文收集的語料是老人醫療健康諮詢多人對話,合計有131場,總共1622句。將其作為所有實驗的語料,每一場對話中有兩個使用者和一個系統,使用者擁有不同的參與角色,在任務角色上分別扮演年長者與一個陪伴者,而系統擔任醫療知識的專業人士適時提供需要的專業知識。在社會角色上擁有不同的年齡與家庭關係,年齡分為五個不同的區段,家庭關係分為四種關係、八個角色。 本論文主要探討的是參與者角色中對話角色、任務角色與社會角色對於回應時機決策和收話者選擇的影響。回應時機決策會考量任務角色與社會角色,我們將每一個句子的使用者意圖當作重要的歷史資訊,因此使用BERT做Single Sentence Classification Tasks準確的辨認出使用者意圖,也將使用者不同的社會角色進行編碼做為使用者的初始向量,考量不同的使用者我們分別使用三個Gated Recurrent Unit(GRU)來更新不同的使用者歷史訊息總合,再共同參考這一回合使用者說的話,經過最後一個GRU決定出是否在這個回合進行回應,而在結果輸出前的最後一層GRU輸出會做為回應時機決策編碼(response timing decision embedding)。在收話者選擇的任務上改進目前使用對話角色概念的模型,將回應時機決策編碼(response timing decision embedding)做為選擇收話者時的互動行為資訊一起考量進來。最後使用強化學習選擇系統行為與決策樹選擇適合的輸出模板將多人對話系統建置完善,可以應用在老人醫療健康諮詢的任務上。 實驗結果顯示,使用社會角色的編碼與任務角色的分開更新在回應時機決策,能夠比沒有使用的情形增加了10%的準確率。在考量回應時機決策的資訊下,收話人選擇的正確率也比現有的方法還要準確3 7%。
獎項日期2019
原文English
監督員Chung-Hsien Wu (Supervisor)

引用此

'