[論文レビュー] Tracking Initiative in Collaborative Dialogue Interactions

Jennifer Chu‐Carroll, Michael K. Brown|ArXiv.org|Apr 17, 1997

Speech and dialogue systems参考文献 8被引用数 10

ひとこと要約

本稿では、観察可能な言語的手がかりを用いて、共同対話システムにおけるタスクおよび対話イニシアチブの変化を追跡するモデルを提案する。現在のイニシアチブ状態と手がかり効果に基づき、次のターンにおけるイニシアチブ保持者を予測することで、複数のコーパスにおいてタスクイニシアチブでは2–4パーセンテージポイント、対話イニシアチブでは8–13ポイントの予測精度向上を達成し、強力な汎用性と有効性を示している。

ABSTRACT

In this paper, we argue for the need to distinguish between task and dialogue initiatives, and present a model for tracking shifts in both types of initiatives in dialogue interactions. Our model predicts the initiative holders in the next dialogue turn based on the current initiative holders and the effect that observed cues have on changing them. Our evaluation across various corpora shows that the use of cues consistently improves the accuracy in the system's prediction of task and dialogue initiative holders by 2-4 and 8-13 percentage points, respectively, thus illustrating the generality of our model.

研究の動機と目的

• 共同対話におけるタスクイニシアチブ（目的指向の行動）と対話イニシアチブ（ターンセーリングの制御）を区別すること。
• 複数の対話ターンにわたり、両方のイニシアチブの変化を追跡する予測モデルを開発すること。
• 観察可能な言語的手がかりがイニシアチブ移行に与える影響を評価し、予測精度を向上させること。
• 多様な対話コーパスにわたる、イニシアチブ追跡モデルの汎用性と頑健性を示すこと。
• より応答性が高く文脈に配慮した対話システムを構築するためのフレームワークを提供すること。

提案手法

• モデルは、タスクおよび対話の両役割における現在のイニシアチブ保持者を追跡するステートベースのアプローチを採用する。
• 発話行為、ターンチェンジマーカーなどの観察可能な言語的手がかり（例）を、イニシアチブ移行予測のトリガーとして統合する。
• 確率的遷移メカニズムにより、手がかり効果と現在のイニシアチブ役割に基づき、イニシアチブ状態を更新する。
• 現在のイニシアチブ状態と手がかり駆動の遷移に基づき、次のターンのイニシアチブ保持者を予測する。
• 汎化性能を評価するために、複数の対話コーパスでモデルを訓練および評価する。
• 手がかり統合なしのベースラインモデルと比較することで、改善度を測定する。

実験結果

リサーチクエスチョン

• RQ1 共同対話システムにおけるタスクおよび対話イニシアチブをどのように意味的に区別できるか？
• RQ2 観察可能な言語的手がかりは、イニシアチブ役割の移行をどの程度正確に予測できるか？
• RQ3 統合されたモデルは、多様な対話文脈にわたり、タスクおよび対話イニシアチブの両方を効果的に追跡できるか？
• RQ4 手がかり統合は、ベースラインモデルと比較して、イニシアチブ予測精度をどの程度向上させるか？
• RQ5 このモデルは、異なる対話コーパスおよび相互作用タイプにわたって汎用性を示すか？

主な発見

• 言語的手がかりの統合により、すべてのコーパスにおいてタスクイニシアチブの予測精度が2–4パーセンテージポイント向上した。
• 対話イニシアチブに関しては、手がかりベースの予測が8–13パーセンテージポイントの精度向上を達成した。
• モデルは複数の対話コーパスにおいて一貫した性能向上を示し、強い汎用性を示した。
• タスクと対話イニシアチブの区別は、対話ダイナミクスのモデリングにおいて意味的であり、分析的にも有用であることが判明した。
• 手がかり駆動の遷移は、手がかり情報を無視するベースラインモデルを著しく上回った。
• 結果から、手がかりを用いたイニシアチブ追跡が、対話システムの応答性と予測可能性を高めることを確認した。