WEKO3
アイテム
用例ベースと生成AIを併用したハイブリッド対話システム
https://ipsj.ixsq.nii.ac.jp/records/242311
https://ipsj.ixsq.nii.ac.jp/records/2423110c009402-fbef-4e45-92e7-636a39bc4a62
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2025 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | Trans(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2025-01-15 | |||||||
タイトル | ||||||||
タイトル | 用例ベースと生成AIを併用したハイブリッド対話システム | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | Dialogue System with Generation AI and Example-Based | |||||||
言語 | ||||||||
言語 | jpn | |||||||
キーワード | ||||||||
主題Scheme | Other | |||||||
主題 | [特集号投稿論文] 対話システム, RAG, システム開発 | |||||||
資源タイプ | ||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||
資源タイプ | journal article | |||||||
著者所属 | ||||||||
値 | 徳島大学高等教育研究センター | |||||||
著者所属(英) | ||||||||
言語 | en | |||||||
値 | Tokushima University | |||||||
著者名 |
関, 陽介
× 関, 陽介
|
|||||||
著者名(英) |
Yosuke, Seki
× Yosuke, Seki
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | 用例ベースの対話システムを運用する場合,不十分な用例の登録により誤回答や回答不可が頻発して,システムへの信頼が低下する可能性がある.そのため,用例の継続的な追加登録により対話システムの正答率を高める必要があるが,登録作業は膨大な時間や労力が求められる.そこで,本研究では管理者の応答範囲を拡大する作業の負担軽減を目指して,用例ベースによる対話機能に加えて生成AIを用いた応答機能を備えるハイブリッド対話システムを開発する.具体的には,用例ベースの応答文とは別にRAGを用いて発話文の関連情報から応答文を生成する機能を徳島大学で稼働中の対話システムに実装する.徳島大学に開発したシステムを導入した結果,RAGにより用例ベースが誤回答した19.49%の発話文に対して正しく回答でき,履修関係に関する8.47%の発話文に対してより詳しく説明できた.また,対話システムとしての正答率の向上や応答文の生成時間の有効活用を実現でき,応答範囲の拡大作業の負担を軽減することが可能になった. | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | When operating a example-based dialogue system, frequent occurrences of incorrect responses and inability to respond due to insufficient example entries can lead to decreased trust in the system. Therefore, it is crucial to enhance the accuracy of the dialogue system by continuously adding new examples. However, this registration process requires significant time and effort. This study aims to reduce the workload of expanding the administrator's response range by developing a hybrid dialogue system equipped with a response generation feature using generative AI, in addition to the example-based dialogue function. Specifically, this study implemented a feature in the dialogue system at Tokushima University that generates response sentences from related information of utterance sentences using the Retrieval-Augmented Generation (RAG) model. This system allows users to choose responses either based on example-based alone or combination with example-based and RAG. As a result of introducing the system developed at Tokushima University, RAG was able to correctly answer 19.49% of the utterances that were incorrectly answered by example-based, and provide more detailed explanations for 8.47% of the utterances related to course registration. The combination of example-based and RAG also improved the overall accuracy of the dialogue system and allowed for effective utilization of response generation time. Additionally, using RAG reduced the burden of expanding the response range. | |||||||
書誌レコードID | ||||||||
収録物識別子タイプ | NCID | |||||||
収録物識別子 | AA12894091 | |||||||
書誌情報 |
情報処理学会論文誌デジタルプラクティス(TDP) 巻 6, 号 1, p. 1-11, 発行日 2025-01-15 |
|||||||
ISSN | ||||||||
収録物識別子タイプ | ISSN | |||||||
収録物識別子 | 2435-6484 | |||||||
出版者 | ||||||||
言語 | ja | |||||||
出版者 | 情報処理学会 |