[論文レビュー] Let's Negotiate! A Survey of Negotiation Dialogue Systems

Haolan Zhan, Yufei Wang+6 more|arXiv (Cornell University)|Dec 18, 2022

Multi-Agent Systems and Negotiation被引用数 8

ひとこと要約

本サーベイは、交渉対話システム分野における最初の包括的レビューを提供し、ベンチマーク、評価手法、および手法を体系的に分類している。主な焦点は戦略モデリング、パーソナリティシミュレーション、ポリシー学習である。また、マルチモーダル、マルチパーティ、クロスカルチャル、現実世界の交渉シナリオにおける今後の方向性を同定している。

ABSTRACT

Negotiation is one of the crucial abilities in human communication, and there has been a resurgent research interest in negotiation dialogue systems recently, which goal is to empower intelligent agents with such ability that can efficiently help humans resolve conflicts or reach beneficial agreements. Although there have been many explorations in negotiation dialogue systems, a systematic review of this task has to date remained notably absent. To this end, we aim to fill this gap by reviewing contemporary studies in the emerging field of negotiation dialogue systems, covering benchmarks, evaluations, and methodologies. Furthermore, we also discuss potential future directions, including multi-modal, multi-party, and cross-cultural negotiation scenarios. Our goal is to provide the community with a systematic overview of negotiation dialogue systems and to inspire future research.

研究の動機と目的

• 交渉対話システム分野における体系的レビューの欠如という、急成長する研究分野における重要なギャップを埋めるため。
• 分配的交渉と統合的交渉のタイプ、および目的構造に基づいて、既存のベンチマークを分類するため。
• 戦略モデリング、パーソナリティシミュレーション、ポリシー学習を含む、評価手法と手法を統合的に要約するため。
• マルチモーダル、マルチパーティ、クロスカルチャル、現実世界の交渉システムにおける主な課題を同定し、今後の研究方向性を提案するため。

提案手法

• 目的構造に基づき、交渉タイプ（分配的：例ええば交渉、物品交換）と統合的（例ええば面接、複雑な合意形成）に分類して交渉対話ベンチマークを体系的に分類する。
• 自動評価指標（例ええば BLEU、ROUGE）、人的評価、タスク固有のパフォーマンス指標を含む、評価手法を調査・分類する。
• 3つの主要分野における手法を体系的に分析する：パーソナリティモデリング（例えば好み、感情）、戦略モデリング（例えば論理的推論、強化学習）、ポリシー学習（例えば戦略ヘッド付きseq2seq、グラフネットワーク）。
• 事前学習モデル（例えば BERT や Transformers）を用いて、意図分類、スロットフィルティング、応答生成、戦略予測を統合的に最適化するマルチタスク学習フレームワークを統合する。
• 事前学習 BERT モデルを用いた一般化されたフレームワークを提案し、会話内で抵抗的または説得的戦略を検出する。
• 有限状態トランスダクタ（FST）を用いた階層的戦略履歴モデリングや、ランカー・モジュールを備えた好み誘導型応答生成といった、新たな技術を強調する。

実験結果

リサーチクエスチョン

• RQ1 交渉タイプ（分配的対統合的）と目的構造に基づいて、交渉対話ベンチマークを体系的に分類する方法は何か？
• RQ2 交渉対話システムで一般的に用いられる評価手法は何か？また、信頼性とタスクの関連性において、それらはどのように比較されるか？
• RQ3 交渉エージェントにおけるパーソナリティ、戦略、ポリシーのモデリングに用いられる主な手法的アプローチは何か？それらは深層学習とどのように統合されるか？
• RQ4 現在のベンチマークにおける主な制限要因は何か？特に現実性と文化的多様性の観点から。
• RQ5 マルチモーダル、マルチパーティ、クロスカルチャル、現実世界の交渉といった、今後の研究分野の中で、分野の発展に最も寄与する可能性があるのはどれか？

主な発見

• 本サーベイは、研究関心の高まりと複数のベンチマークの登場にもかかわらず、交渉対話システム分野における体系的レビューの著しい不足を同定している。
• ベンチマークは主に二名間、テキストのみ、英語を対象としており、現実世界の交渉、マルチパーティ、文化的多様性を反映した交渉のカバーが限定的である。
• 現在の手法は、戦略ヘッド、グラフネットワーク、マルチタスク学習を強化したseq2seqモデルに大きく依存しており、BERTベースのモデルは戦略検出において有望な兆しを示している。
• パーソナリティモデリングと戦略モデリングは、現実的な交渉行動を実現するために不可欠であり、最近の研究では心理学的・行動的要因が対話ポリシーに統合されている。
• マルチモーダル（音声、視覚）、マルチパーティ（チームおよび一般）、クロスリンガル／クロスカルチャル交渉といった今後の研究分野は、未だ十分に掘り下げられておらず、高いインパクトを持つ可能性を秘めている。
• 現実世界のデータ収集（例ええばビジネス会議や記録された交渉）は依然として重要なギャップであり、現在の多くベンチマークはクラウドソーシングによる合成対話に依存している。