Core Concepts
대화형 AI 시스템은 외부 지식 소스와 비즈니스 논리에 의존하지 않고도 인간의 발화와 이전 및 다음 조치 간의 관계를 이해할 수 있는 그래프 통합 언어 변환기를 사용하여 다음 조치를 예측할 수 있다.
Abstract
이 논문은 대화형 AI 시스템의 다음 조치 예측 문제를 해결하기 위해 그래프 통합 언어 변환기 기술을 제안합니다. 기존 대화형 AI 시스템은 자연어 이해(NLU) 파이프라인과 외부 지식 소스에 의존하여 다음 조치를 예측했지만, 이는 복잡성 증가, 처리 시간 지연, 파이프라인 노이즈 증가 등의 문제가 있었습니다.
제안된 모델은 인간의 발화와 이전 및 다음 조치 간의 관계를 그래프 구조로 학습하고, 이를 언어 변환기와 결합하여 외부 자원 없이도 다음 조치를 예측할 수 있습니다. 실제 통화 데이터에 대한 실험 결과, 제안된 모델이 기존 대화형 AI 시스템보다 우수한 성능을 보였습니다. 특히 인간 사용자와의 상호작용 측면에서 더 나은 결과를 보였습니다.
Stats
제안된 모델은 기존 대화형 AI 시스템보다 더 많은 정보 필드(field)를 수집할 수 있었다.
제안된 모델은 기존 대화형 AI 시스템보다 더 많은 패널(panel)까지 대화를 진행할 수 있었다.
제안된 모델은 전체 통화 중 31.92% 더 많은 통화를 성공적으로 완료할 수 있었다.
Quotes
"대화형 AI 시스템은 외부 지식 소스와 비즈니스 논리에 의존하지 않고도 인간의 발화와 이전 및 다음 조치 간의 관계를 이해할 수 있는 그래프 통합 언어 변환기를 사용하여 다음 조치를 예측할 수 있다."
"실제 통화 데이터에 대한 실험 결과, 제안된 모델이 기존 대화형 AI 시스템보다 우수한 성능을 보였다."