[论文解读] 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 10

一句话总结

本文提出一种模型，通过可观察的语言线索追踪协作对话系统中任务和对话主导权的转换。通过基于当前主导权和线索效应预测下一轮的主导权持有者，该模型在多个语料库中将任务主导权预测准确率提高2–4个百分点，对话主导权预测准确率提高8–13个百分点，展现出良好的泛化能力和有效性。

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.

研究动机与目标

• 在协作对话系统中区分任务主导权（目标导向行为）和对话主导权（话语权控制）。
• 开发一种预测模型，以追踪对话轮次中两类主导权的转换。
• 评估可观察的语言线索如何影响主导权转换，并提升预测准确率。
• 在不同对话语料库中证明主导权追踪模型的泛化性和鲁棒性。
• 为构建更具响应性和上下文感知能力的对话系统提供框架。

提出的方法

• 该模型采用基于状态的方法，追踪当前任务和对话角色的主导权持有者。
• 将观察到的语言线索（如言语行为、话语权标记）作为主导权转换预测的触发因素。
• 通过线索效应和当前主导权角色，利用概率转换机制更新主导权状态。
• 基于当前主导权状态和线索驱动的转换，预测下一轮的主导权持有者。
• 在多个对话语料库上进行训练和评估，以衡量泛化能力。
• 将基于线索的预测与未整合线索信息的基线模型进行对比，以衡量性能提升。

实验结果

研究问题

• RQ1 在协作对话系统中，如何有意义地区分任务主导权和对话主导权？
• RQ2 可观察的语言线索在多大程度上能够预测主导权角色的转换？
• RQ3 统一模型能否在多样的对话情境中有效追踪任务和对话主导权？
• RQ4 与基线模型相比，线索整合在多大程度上提升了主导权预测准确率？
• RQ5 该模型是否能在不同对话语料库和交互类型中实现泛化？

主要发现

• 语言线索的整合使所有语料库中任务主导权预测准确率提高了2–4个百分点。
• 对于对话主导权，基于线索的预测使准确率提升了8–13个百分点。
• 该模型在多个对话语料库中均表现出一致的性能提升，表明其具有强大的泛化能力。
• 任务主导权与对话主导权的区分在建模对话动态方面既具有意义，也具有分析实用性。
• 基于线索的转换显著优于忽略线索信息的基线模型。
• 结果证实，基于线索的主导权追踪可增强对话系统的响应性和可预测性。