Abstract
This paper reports on research on the question of how a dialog system can recognize and adapt to the resource limitations of its user: specifically, limitations of time and working memory. The results of an exploratory study, together with other empirical research, yield a number of probabilistic causal relationships among relevant variables. It is shown how these relationships can be represented in dynamic Bayesian networks and used as a basis for inferences and decisions of a dialog system.
Zusammenfassung
Dieser Artikel berichtet über Forschung zur Frage, wie ein Dialogsystem die Ressourcenbeschränkungen des Dialogpartners erkennen und berücksichtigen kann: speziell Beschränkungen der Zeit und des Arbeitsgedächtnisses. Die Ergebnisse einer explorativen empirischen Studie, zusammen mit anderer empirischer Forschung, ergeben eine Reihe probabilistischer Kausalzusammenhänge zwischen relevanten Variablen. Es wird vorgeführt, wie diese Zusammenhänge in dynamischen Bayesschen Netzen dargestellt und als Grundlage für Inferenzen und Entscheidungen eines Dialogsystems verwendet werden können.
This is a preview of subscription content, log in via an institution to check access.
Similar content being viewed by others
Literatur
Baddeley, A.D. (1986) Working memory. Oxford: Oxford University Press.
Ericsson, K.A. & Simon, H.A. (1993) Protocol analysis: Verbal reports as data (Verb. Aufl.). Cambridge, MA: MIT Press.
Forbes, J., Huang, T., Kanazawa, K. & Russell, S. (1995) The BATmobile: Towards a Bayesian Automated Taxi. In: C. S. Mellish (ed.), Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence (pp. 1878–1885). San Mateo, CA: Morgan Kaufmann.
Gathercole, S. E. & Baddeley, A.D. (1993) Working memory and language. Hove, UK: Erlbaum.
Grosz, B. J. & Sidner, C.L. (1986) Attention, intentions, and the structure of discourse. Computational Linguistics 12, 175–204.
Jameson, A. (1996a) Inferenzen über das Arbeitsgedächtnis eines Dialogpartners. In: R.H. Kluwe & M. May (Hrsg.), Proceedings der 2. Fachtagung der Gesellschaft für Kognitionswissenschaft (S. 59–61). Hamburg: Universität der Bundeswehr.
Jameson, A. (1996b) Numerical uncertainty management in user and student modeling: An overview of systems and issues. User Modeling and User-Adapted Interaction 5, 193–251.
Jameson, A. (1997) Wie gehen wir mit dem Arbeitsgedächtnis unserer Dialogpartner um? Eine Integration von Ergebnissen aus vier Forschungsrichtungen. In: H. Mandl (Hrsg.), Bericht über den 40. Kongreû der Deutschen Gesellschaft für Psychologie. Göttingen: Hogrefe.
Just, M.A. & Carpenter, P.A. (1992) A capacity theory of comprehension: Individual differences in working memory. Psychological Review 99, 122–149.
Neapolitan, R.E. (1990) Probabilistic reasoning in expert systems: Theory and algorithms. New York: Wiley.
Nicholson, A.E. & Brady, J.M. (1994) Dynamic belief networks for discrete monitoring. IEEE Transactions on Systems, Man, and Cybernetics 24, 1593–1610.
Pearl, J. (1988) Probabilistic reasoning in intelligent systems: Networks of plausible inference. San Mateo, CA: Morgan Kaufmann.
Rich, E. (1979) User modeling via stereotypes. Cognitive Science 3, 329–354.
Rich, E. (1989) Stereotypes and user modeling. In: A. Kobsa & W. Wahlster (eds.), User models in dialog systems (pp. 35–51). Berlin: Springer.
Schäfer, R. & Weyrath, T. (1997) Assessing temporally variable user properties with dynamic Bayesian networks. In: A. Jameson, C. Paris & C. Tasso (eds.), User modeling: Proceedings of the Sixth International Conference, UM97. Wien: Springer Wien New York. Elektronisch verfügbarüber http://um.org.
Schegloff, E.A. & Sacks, H. (1973) Opening up closings. Semiotica 8, 289–327.
Shachter, R.D. (1986) Evaluating influence diagrams. Operations Research 34, 871–882.
Spies, M. (1993) Unsicheres Wissen.Wahrscheinlichkeit, Fuzzy-Logik, neuronale Netze und menschliches Denken. Heidelberg: Spektrum Akademischer Verlag.
Wahlster, W., Jameson, A., Ndiaye, A., Schäfer, R. & Weis, T. (1995) Ressourcenadaptive Dialogführung: Ein interdisziplinä-rer Forschungsansatz. Künstliche Intelligenz 9(6), 17–21.
Weis, T. (1997) Resource-adaptive action planning in a dialogue system for repair support. Proceedings der 21. Deutschen Jahrestagung für Künstliche Intelligenz, Freiburg im Breisgau. Informatik aktuell. Berlin: Springer.
Author information
Authors and Affiliations
Corresponding author
Additional information
Das Projekt ‘Ressourcenadaptive Dialogführung’ wird von der Deutschen Forschungsgemeinschaft gefördert im Ramen des Sonderforschungsbereichs 378, ‘Ressourcenadaptive kognitive Prozesse’. Wir danken den beiden anonymen Gutachtern für wertvolle Hinweise und Kommentare.
Rights and permissions
About this article
Cite this article
Schäfer, R., Weis, T., Weyrath, T. et al. Wie können Ressourcenbeschränkungen eines Dialogparters erkannt und berücksichtigt werden?. Kognit. Wiss. 6, 151–164 (1997). https://doi.org/10.1007/BF03354918
Published:
Issue Date:
DOI: https://doi.org/10.1007/BF03354918