d 3) predict user intent as theyeng

d 3) predict user intent as they
engage in multi-app tasks. As part of our work we collected data from the smartphones
of 14 users engaged in real-life multi-app tasks. We found that it is reasonable
to group tasks into high-level intentions. Based on the dialog content, IA can
generate useful phrases to describe the intention. We also found that, with readily
available contexts, IAs can effectively predict user’s intents during conversation,
with accuracy at 58.9%.
1 Introduction
Intelligent assistants (IAs) on smart devices can converse with human users and help them with
simple tasks such as finding a restaurant or sending a message. But human users may interact
with their phones in more complex ways that can span multiple domains and apps. Planning and
executing such multi-domain tasks is managed by users with the global context awareness for the
tasks. We assume that IAs would become more valuable if they could actively assist on this more
abstract task level, instead of treating each domain independently.
An app IA will, by definition, not maintain expectations of any follow-up domains. It is equally
likely that the user would talk about food or weather next, regardless of the context. The consequences
include 1) the system may not be fully prepared as it could be, if it understands how users
actually structure such tasks; 2) the system may lose the opportunity to provide timely assistance
to smoothly guide the dialog across domains (“Do you want to send this picture to someone?”) or
share the context of the multi-app interaction to the next elemental tasks (“You mean the picture you
just took?”). In this paper, we address this issue by conducting a user study investigating how users
perform multi-app tasks via language. We demonstrate that systems with shallow understandings,
such as what the user said and the common task structures, can still improve interaction quality.
Systems that support multi-domain speech interaction have been studied in the past [11, 16]. One
realization is a distributed architecture that allows different domains to be developed independently
but cooperate with one another to respond to user input [8, 14, 2, 7]. However, these approaches wait
for the user to invoke a domain by some explicit means and do not attempt to exploit relationships
between applications that would exist in common tasks. We are interested in systems that become
aware of these relationships and are able to proactively support user activities.
1
Figure 1: Multi-app annotation example; time and location are in red; constituent apps are blue.
It has been shown that based on simple context such as time or location, smartphones that anticipate
a user’s needs can significantly improve the efficiency of navigating the apps [19, 24]. However,
language interaction may generate more information, allowing for better assistance. People also
worked on discovering high-level latent structure in conversations [26], with the assumption that
utterances (words) in a dialog are generated by a dynamic latent topic. In our work, we assume that
we know previous apps (true for OS-level agent) and the latent topic (i.e. high-level intention such
as “scheduling a meeting”) is static within a dialog.
To investigate these questions we collected a corpus of actual smartphone usage, coupled with spoken
language versions of these activities. We use these data to build models of user activity and
provide an end-to-end pipeline for IAs to learn to understand and talk about such activities based
on the language produced by the user. We evaluate how well IAs can anticipate potential task flow
stemming from user intentions, by adapting to individual user’s language and behavior patterns and
surrounding context.

Kết quả (Việt) 1:

d 3) dự đoán người dùng mục đích như họtham gia vào các ứng dụng đa tác vụ. Như một phần của công việc của chúng tôi, chúng tôi thu thập dữ liệu từ các điện thoại thông minh14 người dùng tham gia vào cuộc sống thực đa-ứng dụng công việc. Chúng tôi thấy rằng nó là hợp lýđể nhóm các nhiệm vụ vào trình độ cao ý định. Dựa trên nội dung hộp thoại, IA có thểtạo ra các cụm từ hữu ích để mô tả ý định. Chúng tôi cũng thấy rằng, với dễ dàngcó bối cảnh, IAs có thể có hiệu quả dự đoán của người dùng intents trong cuộc hội thoại,với độ chính xác tại 58.9%.1 giới thiệuTrợ lý thông minh (IAs) trên điện thoại thông minh có thể trò chuyện với người dùng của con người và giúp họ vớicông việc đơn giản như việc tìm kiếm một nhà hàng hoặc gửi một tin nhắn. Nhưng con người người dùng có thể tương tácvới điện thoại của họ trong những cách phức tạp hơn mà có thể chiều dài nhiều tên miền và ứng dụng. Lập kế hoạch vàthực hiện các nhiệm vụ đa miền được quản lý bởi người sử dụng với sự nhận thức về bối cảnh toàn cầu cho cácnhiệm vụ. Chúng tôi giả định rằng IAs sẽ trở thành có giá trị hơn nếu họ có thể chủ động hỗ trợ về điều này hơntóm tắt công việc cấp, thay vì điều trị mỗi tên miền một cách độc lập.Một ứng dụng IA sẽ, theo định nghĩa, không duy trì sự mong đợi của bất kỳ tên miền theo dõi. Nó là như nhaucó khả năng mà người dùng nào nói về thực phẩm hoặc thời tiết tiếp theo, bất kể bối cảnh. Những hậu quảbao gồm 1) hệ thống có thể không được chuẩn bị đầy đủ như nó có thể, nếu nó hiểu làm thế nào người dùngthực sự cấu trúc các nhiệm vụ; 2) hệ thống có thể mất cơ hội để cung cấp hỗ trợ kịp thờiđể thuận lợi hướng dẫn hộp thoại qua các tên miền ("làm bạn muốn gửi hình ảnh này cho một ai đó?") hoặcchia sẻ bối cảnh của sự tương tác đa-ứng dụng vào công việc tiếp theo nguyên tố ("bạn có nghĩa là hình ảnh bạnchỉ cần lấy?"). Trong bài báo này, chúng tôi giải quyết vấn đề này bằng cách thực hiện một điều tra nghiên cứu người dùng như thế nào người dùngthực hiện các ứng dụng đa tác vụ thông qua ngôn ngữ. Chúng tôi chứng minh rằng các hệ thống với hiểu biết nông,chẳng hạn như những gì người dùng nói và các nhiệm vụ phổ biến cấu trúc, vẫn còn có thể cải thiện chất lượng tương tác.Hệ thống hỗ trợ tương tác bài phát biểu nhiều tên miền đã được nghiên cứu trong quá khứ [11, 16]. Một trong nhữngnhận thức là một kiến trúc phân phối cho phép các tên miền khác nhau được phát triển một cách độc lậpnhưng hợp tác với nhau để đáp ứng với đầu vào người sử dụng [8, 14, 2, 7]. Tuy nhiên, các phương pháp tiếp cận chờ đợicho người dùng để gọi một tên miền bằng một số phương tiện rõ ràng và không tìm cách khai thác mối quan hệgiữa các ứng dụng sẽ tồn tại chung nhiệm vụ. Chúng tôi đang quan tâm đến hệ thống trở thànhnhận thức được những mối quan hệ và có thể chủ động hỗ trợ các hoạt động của người dùng.1Hình 1: Ứng dụng đa chú thích ví dụ; thời gian và địa điểm màu đỏ; ứng dụng thành phần có màu xanh lam.Nó đã được chỉ ra rằng dựa trên các bối cảnh đơn giản như thời gian hoặc vị trí, điện thoại thông minh dự đoánnhu cầu của người sử dụng có thể cải thiện đáng kể hiệu quả của điều hướng các ứng dụng [19, 24]. Tuy nhiên,ngôn ngữ tương tác có thể tạo ra thêm thông tin, cho phép để được hỗ trợ tốt hơn. Con người cũnglàm việc trên phát hiện cao cấp cấu trúc tiềm ẩn trong cuộc trò chuyện [26], với giả định rằnglời (lời) trong một hộp thoại được tạo ra bởi một chủ đề tiềm ẩn năng động. Trong công việc của chúng tôi, chúng tôi cho rằngchúng tôi biết trước apps (đúng cho hệ điều hành-cấp) và chủ đề tiềm ẩn (tức là trình độ cao ý định như vậynhư là "lập kế hoạch một cuộc họp") là tĩnh trong một hộp thoại.Để điều tra những câu hỏi chúng tôi thu thập một corpus sử dụng điện thoại thông minh thực tế, kết hợp với nóiPhiên bản ngôn ngữ của các hoạt động này. Chúng tôi sử dụng những dữ liệu này để xây dựng mô hình hoạt động người dùng vàcung cấp một đường ống dẫn kết thúc để kết thúc cho IAs để tìm hiểu để hiểu và nói về các hoạt động dựavề ngôn ngữ được sản xuất bởi người dùng. Chúng tôi đánh giá tốt như thế nào IAs có thể dự đoán tiềm năng luồng tác vụbắt nguồn từ ý định người dùng, bằng cách thích ứng với mô hình ngôn ngữ và hành vi của người dùng cá nhân vàbối cảnh xung quanh.

Kết quả (Việt) 2:

d 3) dự đoán ý định sử dụng khi họ
tham gia vào các nhiệm vụ đa ứng dụng. Là một phần trong công việc của chúng tôi, chúng tôi thu thập dữ liệu từ điện thoại thông minh
của 14 người đã tham gia vào cuộc sống thực nhiệm vụ đa ứng dụng. Chúng tôi thấy rằng nó là hợp lý
để tập nhóm vào ý định của cấp cao. Dựa trên nội dung hộp thoại, IA có thể
tạo ra cụm từ hữu ích để mô tả ý định. Chúng tôi cũng nhận thấy rằng, với dễ dàng
bối cảnh có sẵn, IAs hiệu quả có thể dự đoán được ý định của người sử dụng trong quá trình trò chuyện,
với độ chính xác ở 58,9%.
1 Giới thiệu
trợ lý thông minh (IAs) trên các thiết bị thông minh có thể trò chuyện với người sử dụng của con người và giúp họ với
nhiệm vụ đơn giản như việc tìm kiếm một nhà hàng hoặc gửi tin nhắn. Nhưng người dùng của con người có thể tương tác
với điện thoại của họ theo những cách phức tạp hơn có thể span nhiều lĩnh vực và các ứng dụng. Lập kế hoạch và
thực hiện các nhiệm vụ đa lĩnh vực đó được quản lý bởi người dùng có nhận thức bối cảnh toàn cầu cho các
nhiệm vụ. Chúng tôi giả định rằng IAs sẽ trở nên có giá trị hơn nếu họ tích cực có thể giúp đỡ về điều này nhiều hơn
mức độ công việc trừu tượng, thay vì xử lý từng lĩnh vực một cách độc lập.
Một ứng dụng sẽ IA, theo định nghĩa, không duy trì sự mong đợi của bất kỳ lĩnh vực theo dõi. Nó là bằng nhau
có khả năng mà người sử dụng sẽ nói về thức ăn hay thời tiết tiếp theo, không phụ thuộc vào ngữ cảnh. Những hậu quả
bao gồm 1) hệ thống có thể không được chuẩn bị đầy đủ vì nó có thể được, nếu nó hiểu được cách người dùng
thực sự cấu trúc nhiệm vụ đó; 2) hệ thống có thể mất cơ hội để cung cấp hỗ trợ kịp thời
để thông suốt hướng dẫn thoại trên các lĩnh vực ("Bạn có muốn gửi hình ảnh này với ai đó?") Hoặc
chia sẻ bối cảnh của sự tương tác đa ứng dụng cho các nhiệm vụ nguyên tố tiếp theo (" Bạn có nghĩa là hình ảnh bạn
vừa chụp? "). Trong bài báo này, chúng tôi giải quyết vấn đề này bằng cách tiến hành một nghiên cứu sử dụng điều tra làm thế nào người dùng
thực hiện các tác vụ đa ứng dụng thông qua ngôn ngữ. Chúng tôi chứng minh rằng hệ thống với sự hiểu biết nông cạn,
chẳng hạn như những gì người dùng nói và các cấu trúc công việc chung, vẫn có thể cải thiện chất lượng tương tác.
Các hệ thống hỗ trợ đa miền tương tác giọng nói đã được nghiên cứu trong quá khứ [11, 16]. Một
hiện thực là một kiến trúc phân tán cho phép các lĩnh vực khác nhau được phát triển độc lập
nhưng hợp tác với nhau để trả lời cho người sử dụng đầu vào [8, 14, 2, 7]. Tuy nhiên, các phương pháp này chờ đợi
cho người dùng để gọi một tên miền bằng một số phương tiện rõ ràng và không cố gắng để khai thác các mối quan hệ
giữa các ứng dụng mà có thể tồn tại trong công việc chung. Chúng tôi quan tâm đến các hệ thống trở thành
nhận thức được những mối quan hệ và có thể chủ động hỗ trợ các hoạt động của người dùng.
1
Hình 1: Multi-ứng dụng chú thích ví dụ; thời gian và địa điểm là màu đỏ; ứng dụng thành phần có màu xanh dương.
Nó đã được chứng minh rằng dựa trên bối cảnh đơn giản như thời gian hoặc địa điểm, điện thoại thông minh dự đoán
nhu cầu của người dùng có thể cải thiện đáng kể hiệu quả của điều hướng các ứng dụng [19, 24]. Tuy nhiên,
sự tương tác ngôn ngữ có thể biết nhiều thông tin, cho phép để được hỗ trợ tốt hơn. Mọi người cũng
làm việc về phát hiện cấu trúc tiềm ẩn cấp cao trong các cuộc trò chuyện [26], với giả định rằng
những phát biểu (từ) trong một hộp thoại được tạo ra bởi một chủ đề tiềm ẩn năng động. Trong công việc của chúng tôi, chúng tôi giả định rằng
chúng ta đã biết các ứng dụng trước đó (đúng cho đại lý cấp hệ điều hành) và các chủ đề tiềm ẩn (tức là cấp cao có ý định như vậy
là "lập kế hoạch một cuộc họp") là tĩnh trong một hộp thoại.
Để điều tra những câu hỏi này, chúng tôi thu thập được một corpus của việc sử dụng điện thoại thông minh thực tế, cùng với văn nói
phiên bản ngôn ngữ của các hoạt động này. Chúng tôi sử dụng những dữ liệu này để xây dựng mô hình hoạt động của người dùng và
cung cấp một đường ống dẫn end-to-end cho IAs phải học để hiểu và nói về các hoạt động như vậy dựa
trên ngôn ngữ được sản xuất bởi người sử dụng. Chúng tôi đánh giá như thế nào IAs có thể dự đoán dòng chảy công việc tiềm năng
xuất phát từ ý định của người sử dụng, bằng cách thích ứng với ngôn ngữ cá nhân của người sử dụng và các mẫu hành vi và
bối cảnh xung quanh.