[論文レビュー] On the use of expectations for detecting and repairing human-machine miscommunication

Morena Danieli|arXiv (Cornell University)|Nov 19, 1997

Speech and dialogue systems参考文献 10被引用数 25

ひとこと要約

本稿では、DIALOGOS spoken dialogue systemにおける人間と機械の間の誤解を検出・是正するための二重期待メカニズムを提案する。予測を用いてユーザーの入力を予測し、修辞的根拠に基づく期待を用いて会話の整合性を追跡する。両者を組み合わせることで、ユーザー主導の是正をよりよく検出でき、ナチュラルユーザーを対象とした現実世界の試行で84%の取引成功率を達成した。

ABSTRACT

In this paper I describe how miscommunication problems are dealt with in the spoken language system DIALOGOS. The dialogue module of the system exploits dialogic expectations in a twofold way: to model what future user utterance might be about (predictions), and to account how the user's next utterance may be related to previous ones in the ongoing interaction (pragmatic-based expectations). The analysis starts from the hypothesis that the occurrence of miscommunication is concomitant with two pragmatic phenomena: the deviation of the user from the expected behaviour and the generation of a conversational implicature. A preliminary evaluation of a large amount of interactions between subjects and DIALOGOS shows that the system performance is enhanced by the uses of both predictions and pragmatic-based expectations.

研究の動機と目的

• 会話型人間-機械対話システムにおける誤解の検出と是正の課題に対処すること。
• ユーザー行動の期待からの逸脱および会話的含意が、誤解をどのように示すかを調査すること。
• 予測的期待と修辞的期待の2種類の期待を統合することで、システムの頑健性を向上させること。
• 認知的および会話的モデリングを用いて、タスク指向型会話言語システムにおける対話管理を改善すること。

提案手法

• 人間-機械対話に適応したグリスの会話の最大化（関連性、数量、質）に基づいてユーザー期待をモデリングすること。
• 対話文脈に基づいた予測を実装し、次回のユーザー発話のトピックを予測すること。
• 階層的文脈構造（文脈階層）を用いて、注目点のシフトを追跡し、会話の整合性を維持すること。
• ユーザー発話が予測から逸脱し、会話的含意を生じる場合に誤解を検出すること。
• 修辞的期待の違反によって不一致が検出された場合、是正サブダイアログを開始すること。
• 予測と修辞的期待の両方のメカニズムを統合した対話モジュールを活用し、解釈と応答生成をガイドすること。

実験結果

リサーチクエスチョン

• RQ1 予測されたユーザー行動からの逸脱は、会話型対話システムにおける誤解をどのように示すか？
• RQ2 会話的含意は、ユーザーがシステムの誤りを検出する際に果たす役割は何か？
• RQ3 修辞的期待に基づく期待は、ユーザー主導の是正の検出をどのように向上させるか？
• RQ4 予測と修辞的期待を組み合わせることで、現実世界の会話型対話応用におけるシステム性能はどの程度向上するか？

主な発見

• 予測的期待と修辞的期待の統合は、誤解の検出と対応に対するシステムの能力を顕著に向上させた。
• 修辞的期待によって会話の整合性を追跡することで、ユーザー主導の是正がより信頼性高く検出された。
• DIALOGOSシステムは、ナチュラルユーザー923件の対話からなる現実世界の試行で、84%の取引成功率を達成した。
• 認識エラーに対しても、ユーザーの期待からの逸脱を特定し、適切な是正サブダイアログを開始することで、効果的に対処できた。
• 文脈階層モデルは、発話を適切な以前の注目点に関連付けることで、解釈を効果的に支援し、意味的一致性を高めた。
• 923件の対話から得られた実証データは、修辞的期待が現実世界の会話型対話応用における頑健性に有意義に寄与していることを示している。