RecSys 2020 (8) Day3 , Keynote 3
3つめのKeynote。IBM でWatson の開発に携わった人の話。この会社の人です。 juji.io
"You Really Get Me": Conversational AI Agents That Can Truly Understand and Help Users
TREND : Conversational Commerce transforms customer experience.
Conversational Recommender もだいぶ自然に応対できるようになってきた。
ここで、Juji Chat AIのDemo。みてほしいポイントは、推薦時の言葉「高品質の車がほしいんだね」
応答を変えると、「あなたはthoughtful personだから prefer big, well-known brandsのこの車がいいのでは?」とサジェストしてくる。
Juji は"Active Listening" と "Personality Insights " を組み合わせてwording をしている。
ここからは、ユーザーのパーソナリティをどう理解するかの話。パーソナリティとは?
推薦システムではパーソナリティが大事 : infer user implicit needs / capture changing needs
では、どうやってパーソナリティを推論するか?
心理学では伝統的にassesment(アンケート) によりパーソナリティ診断を行っていたが、いくつか課題がある。
そこで、"psycholiguistics"、つまりユーザの発話、作文から心理を計算する。
v1.0 では、ユーザにアンケート回答を正解とし、ユーザのテキストを入力とした回帰モデルを作成した。これで「文からパーソナリティを得る」ことが可能になったものの、最初の正解が信頼性が低いアンケートにより作成しているという課題が残った。
そこで、v2.0 では、Generalized Item Response Theory により、ユーザの作成した文をもとに潜在 traits をinfer するようにした。これにより、アンケートによらず自動的にパーソナリティを抽出できるようになった。
Personality とユーザ行動の関係をみていこう。パーソナリティといえばBig 5。Big 5 によりユーザの行動、ユーザのニーズを予測できるということが 心理学でわかりつつある。例をいくつか。
なので、ユーザテキストからBig5を推論するモデルを作成する。モデルの評価は定量・定性で行った。評価ポイントは、ReliabilityとValidity。
モデルの推論結果に対して、インタビューなどをして評価した。
Personalityの応用はいろいろ考えられる。
音楽の推薦も。音楽や本の説明文より、itemのpersonality を推論する。
まとめ。最新のAI は行間もよむよ。
くわしいことが知りたい場合は論文もみてね。
Q&A では、Personality を推論するということ、推論されているということに対する気持ち悪さやプライバシーに関する議論があった。答えはない。
感想
徹底的に評価の方法を考え抜いているのが私たちになかったところ。