StalemateBreaker: Ein proaktiver Ansatz zur Einführung von Inhalten in automatisierte Mensch-Computer-Konversationen

Bestehende Systeme für Mensch-Computer-Konversationen im offenen Bereich sind typischerweise so gestaltet, dass sie entweder eine Antwort synthetisieren oder abrufen, die von einem Menschen gegeben wurde. Es wird allgemein angenommen, dass Menschen die Rolle übernehmen sollten, das Gespräch zu leiten und neuen Inhalt einzuführen, wenn ein Stillstand auftritt, und dass der Computer nur "reagieren" muss. In diesem Papier schlagen wir ein Konversationssystem vor, das proaktiv neue Inhalte einführen kann, wenn es angemessen ist. Wir entwerfen eine Pipeline, um zu bestimmen, wann, was und wie neue Inhalte während der Mensch-Computer-Konversation eingeführt werden. Darüber hinaus schlagen wir den neuartigen Reranking-Algorithmus Bi-PageRank-HITS vor, um eine reiche Interaktion zwischen Kontext und möglichen Antworten zu ermöglichen. Experimente zeigen, dass sowohl der einführende Ansatz als auch der Reranking-Algorithmus effektiv sind. Unser StalemateBreaker-Modell übertrifft ein Stand der Technik-Gesprächssystem um +14,4 % p@1, wenn ein Stillstand auftritt.