過去の会話で形成されたラポールに基づく会話相手のランキング

抄録

ラポールは，他者との調和した関係であり，話者間の高いラポールは社会的相互作用の質を向上させる．そこで，我々はラポール推定をランク学習として定式化し，会話中のマルチモーダル情報から推定されたラポールの程度に基づいて会話相手をランキングするモデルを提案する．このモデルは，オンライン語学レッスンや音声チャットを使用するゲームにおいて，ユーザーが過去にコミュニケーションした人物の集合から，ラポールが高い相手（教師，プレイヤー）を選び，ユーザーと再マッチングさせることを可能にする．会話相手のランク推定のために、ラポール評価を直接予測する回帰モデルを用いることができる．しかし，ラポールは主観評価であるため，回答スタイルや積極性効果などの知覚者効果の個人差によるバイアスが介入する可能性がある．一方，提案モデルは，同じユーザーから報告されたラポール評価に基づく2人の会話相手間の順序を学習するPreference Learningにより，知覚者効果の問題を回避できる．ランキング評価指標を用いて，提案モデルと回帰モデルを比較した結果，提案モデルがこのタスクにより適した手法であることが示された．