口语对话系统中的交互主义
本文研究了多模态经验、语言学习和具体到抽象的词汇发展历程,并提出了一种结合当代模型和基于词汇的模型的语义模型,并使用机器人对话系统来学习语言。
May, 2021
本文正式定义和介绍了社会影响对话系统的类别,该类别通过自然对话影响用户的认知和情感反应,从而引起思想、观点和行为上的变化。作者编制了各种任务、数据集和方法的调查,汇编了七个不同领域的进步情况,并讨论了所研究系统的共性和差异,指出了局限性并提出未来的研究方向。本研究作为社会影响对话系统的全面参考,可以激发在这个新兴领域更专注的研究和讨论。
Oct, 2022
本文研究了在完成一个同时进行的视觉 - 对话任务时,如何识别非合作对话者,使用学习理论的工具开发了理论模型,提出了多种沟通策略并应用强化学习来实现,通过对 GuessWhat?! 数据集的非合作对话语料库的实验结果验证了理论模型的有效性。
Jul, 2022
本文探讨了在与人类进行自然语言对话或直接语音交流的过程中,将对话系统的研究置于综合智慧的广阔背景之中,从而引入来自神经生物学和神经心理学的概念,以定义能够调和手工设计和人工神经网络的行为架构,并为模仿或指导式学习等未来新的学习方法开启新的可能性。并且,本文介绍了一种神经行为引擎,通过使用图形化语言基于手工模型创建混合主动对话和动作生成。通过在半公共空间上运行的虚拟接待员应用程序,描述了这种类脑启发架构的可用性示范。
Jun, 2024
人们通过上下文来丰富文字表达,实现简洁而有效的沟通,为了让人工智能系统能够与人类进行自然交互,需要强调语用学技能,从分享语言目标和约定到视觉和肢体世界中的语境等,利用各种上下文信息有效地运用语言。本文调查现有的语境实现和语用模型方法,并分析了每个工作中的任务目标、环境语境和沟通便利之间的关系,从而丰富了语言含义。我们提出了关于未来基于任务设计的语境需求,以自然地引出语用现象的建议,并建议在更广泛的沟通语境和便利方面继续探索。
Nov, 2022