Data-driven models for timing feedback responses in a Map Task dialogue system

سیستم های گفتگوی سنتی از آستانه سکوت ثابت برای شناسایی پایان چرخش کاربران استفاده می کنند. چنین مدل ساده ای می تواند منجر به رفتار سیستم شود که هر دو متوقف و غیرقابل پاسخ است، که به نوبه خود بر تجربه کاربر تاثیر می گذارد. مطالعات مختلف مشاهده کرده اند که مخاطبان انسانی از نشانه هایی از رفتار بلندگو، مانند صدای انسانی، نحو و حرکات، برای هماهنگی تبادل صحیح نوسان صحبت می کنند. با این حال، تلاش های زیادی در جهت اجرای این مدل ها در سیستم های گفتگو صورت گرفته است و تأیید شده است که چگونه رفتارهای نوبتکاری در تعاملات انسانی و کامپیوتر را به خوبی مدل می کنند. ما یک رویکرد مبتنی بر داده ها را برای ساخت مدل برای تشخیص آنلاین مکان های پاسخ بازخورد مناسب در سخنرانی کاربر ارائه می کنیم. ابتدا اطلاعات مربوط به تعامل انسان و کامپیوتر را با استفاده از یک سیستم گفتگوی گفتاری که می تواند کار نقشه را با کاربران انجام دهد (البته با استفاده از یک ترفند). بر اساس این داده ها، مدل های مختلفی را آموزش می دهیم که از ویژگی های متنباز، متنی و لاتین و نحو به صورت خودکار قابل تشخیص برای شناسایی مکان های پاسخ استفاده می کنند. بعد، ما یک مدل آموزش دیده را در همان سیستم گفتگوی اجرا کردیم و در تعامل با کاربران آن را ارزیابی کردیم. معیارهای ذهنی و عینی از ارزیابی کاربر تایید می کند که یک مدل آموزش یافته در نشانه های رفتاری سخنرانی هر دو به طور منظم انتقال و رفتار سیستم پاسخگو تر ارائه می دهد.