L'impératif de l'analyse de la conversation à l'ère des LLM : Une enquête sur les tâches, les techniques et les tendances

The Imperative of Conversation Analysis in the Era of LLMs: A Survey of Tasks, Techniques, and Trends

September 21, 2024

Auteurs: Xinghua Zhang, Haiyang Yu, Yongbin Li, Minzheng Wang, Longze Chen, Fei Huang

cs.AI

Résumé

À l'ère des grands modèles de langage (GML), une vaste quantité de journaux de conversation sera accumulée grâce à la tendance au développement rapide des interfaces de langage. L'analyse de conversation (AC) s'efforce de découvrir et d'analyser des informations cruciales à partir des données de conversation, rationalisant les processus manuels et soutenant les idées commerciales et la prise de décision. Le besoin pour l'AC d'extraire des informations exploitables et de favoriser l'autonomisation devient de plus en plus prépondérant et attire une attention généralisée. Cependant, le manque de cadre clair pour l'AC entraîne une dispersion de diverses techniques, rendant difficile la formation d'une synergie technique systématique pour renforcer les applications commerciales. Dans cet article, nous effectuons une revue approfondie et systématisons la tâche d'AC pour résumer les travaux connexes existants. Plus précisément, nous définissons formellement la tâche d'AC pour faire face au paysage fragmenté et chaotique de ce domaine, et dérivons quatre étapes clés de l'AC, de la reconstruction de scènes de conversation, à l'analyse d'attribution approfondie, puis à la réalisation d'une formation ciblée, pour finalement générer des conversations basées sur la formation ciblée afin d'atteindre des objectifs spécifiques. De plus, nous présentons les benchmarks pertinents, discutons des défis potentiels et indiquons les orientations futures tant dans l'industrie que dans le milieu académique. Au vu des avancées actuelles, il est évident que la majorité des efforts sont encore concentrés sur l'analyse des éléments de conversation superficiels, ce qui crée un écart considérable entre la recherche et les affaires, et avec l'aide des GML, les travaux récents montrent une tendance vers la recherche sur la causalité et les tâches stratégiques qui sont sophistiquées et de haut niveau. Les expériences et les idées analysées auront inévitablement une valeur d'application plus large dans les opérations commerciales ciblant les journaux de conversation.

English

In the era of large language models (LLMs), a vast amount of conversation logs will be accumulated thanks to the rapid development trend of language UI. Conversation Analysis (CA) strives to uncover and analyze critical information from conversation data, streamlining manual processes and supporting business insights and decision-making. The need for CA to extract actionable insights and drive empowerment is becoming increasingly prominent and attracting widespread attention. However, the lack of a clear scope for CA leads to a dispersion of various techniques, making it difficult to form a systematic technical synergy to empower business applications. In this paper, we perform a thorough review and systematize CA task to summarize the existing related work. Specifically, we formally define CA task to confront the fragmented and chaotic landscape in this field, and derive four key steps of CA from conversation scene reconstruction, to in-depth attribution analysis, and then to performing targeted training, finally generating conversations based on the targeted training for achieving the specific goals. In addition, we showcase the relevant benchmarks, discuss potential challenges and point out future directions in both industry and academia. In view of current advancements, it is evident that the majority of efforts are still concentrated on the analysis of shallow conversation elements, which presents a considerable gap between the research and business, and with the assist of LLMs, recent work has shown a trend towards research on causality and strategic tasks which are sophisticated and high-level. The analyzed experiences and insights will inevitably have broader application value in business operations that target conversation logs.