抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
音声制御話者に関する自然言語理解(NLU)モデルはいくつかの課題に直面している。特に,音楽ストリーミングサービスは,しばしば,数百万の歌,芸術家,およびアルバム,および数千のカスタムプレイリストとステーションを含む,大きなカタログを持っている。多くの場合,キャリアフレーズとエンティティ名の間で曖昧さとわずかな構造的差異がある。本研究では,音楽ドメインにおける音声要求に対する応答の精度と個人化を改善するために,暗黙の顧客フィードバックと組み合わせてマルチアームバンドをいかに活用するかについて述べた。このモデルを,いくつかの他の成分を含む大規模工業システムで試験した。特に,著者らは,上流のNLUモデルによって作られた誤差を修正するためにこの技術を使用して,顧客選好と音楽プロバイダ機能に基づく個人化応答に焦点を合わせた。モデルは,アマゾンのMusicに対する再生率の著しい改善をもたらし,いくつかの国と言語を果たすシステムに展開された。さらに,顧客の陰的フィードバックを用いて,NLUモデルの弱いラベル付き訓練データを生成した。これは,すべてのAlexaデバイスで他の音楽プロバイダを用いて顧客の経験を改善した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】