Aug, 2020

社交机器人对话中的言语情感和客户满意度估计

PDF
TL;DR该研究提出了一种新的方法，通过对 Alexa Prize Socialbot 数据中的声学和词汇信息进行操作，自动估计客户满意度，其结果表明情感得分与客户满意度相关，并且展示了在估计客户满意度方面的时态建模方法的性能与静态基线以及人类性能的具有竞争力的表现.
interactive agentcustomer satisfactionsentiment scorestemporal modelinglexical information
发现论文，激发创造
  • 开放域对话系统中离线和在线满意度预测

    提出基于 ConvSAT 算法的会话满意度预测模型，聚合多种对话表示，并在标准数据集（Dialogue Breakdown Detection Challenge）和大规模真实用户对话数据集（Alexa Prize competition）上进行了性能测试，证明其能够显著提高离线和在线设置下的满意度预测性能。

    Jun, 2020

  • 利用用户情感进行自动对话评估

    本文提出使用自动提取的信息作为衡量已有机器人回答质量的替代方法，从而避免了对人工标注数据的依赖，实现对弱监督数据的训练，并添加了对口语和书面语的支持。

    Mar, 2022

  • 自动对话评估的用户响应和情感预测

    本文提出了三种方法，利用情感分析对开放域对话进行自动评估，并在书面和口头对话数据集上胜过现有的自动评估指标。

    Nov, 2021

  • 基于客服互动的消息级情感分析的负面用户检测框架

    本文提出了一个基于即时聊天的客户支持 (CS) 互动的框架，用于预测个体用户的推荐决策。通过分析一家拉丁美洲大型电子商务公司金融垂直领域内的 16.4k 用户和 48.7k 客户支持对话，本研究的主要贡献和目标是利用自然语言处理（NLP）来评估和预测推荐行为，在使用静态情感分析的同时利用每个用户的情感动态的预测能力。结果表明，通过信息级别的情感演变，可以完全自动化地预测用户推荐产品或服务的概率以及相关的功能解释。

    Nov, 2022

  • 通过用户满意度估计进行多域会话质量评估

    本文提出了一种新的基于响应质量注释方法的自动化指标，通过引入五个新的与领域无关的特性集，实现了在单轮和对话层面上估计用户满意度的机器学习模型，并取得了较高的预测表现。

    Nov, 2019

  • 面向情感感知的对话代理

    本文提出了一种以情感为中心的端到端会话代理，基于两种模型，回复情感预测模型和文本生成模型，并且利用情感分类模型来评估代理的表达情感。通过指导预定义一组句子的文本生成模型，有效提升了生成文本的质量和表达情感的准确度，通过人工及自动化评估显示了显著的改进。

    Jul, 2022

  • 大规模语言模型中可解释的对话系统用户满意度评估

    使用迭代提示框架和标记示例的监督下，通过学习得到的评分标准，文中提出了一种更高准确率且更易解释的用户满意度估计方法 ——SPUR，并证明了 LLMs 在从自然语言表达中更有效地提取用户满意度信号。

    Mar, 2024

  • 基于任务导向对话系统用户满意度的模拟评估

    通过提出用户满意度注释数据集，构建类人用户模拟器来衡量对话质量

    May, 2021

  • 具备自然语言提示的开放式目标情感分类

    在研究中，提供了基于自然语言提示的方法来解决无标注语料下的商业产品中各方面情感分析问题。在此基础上，还提出了将 ATSC 转化为 NLI 任务的方法，并在 SemEval 2014 的 laptop 领域中实现了较高的性能，同时还可以隐含地检测出未提及的方面。

    Sep, 2021

  • 自监督对比学习：面向对话代理的高效用户满意度预测

    该研究开发了一种利用自监督对比学习和少样本迁移学习的方法，能显著减少标注数目，并提高面向未知领域技能的泛化性能。

    Oct, 2020