L'Imperativo dell'Analisi della Conversazione nell'Era dei LLM: Un'Indagine su Compiti, Tecniche e Tendenze

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

September 21, 2024

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

cs.AI

Abstract

Nell'era dei grandi modelli linguistici (LLM), una vasta quantità di registrazioni di conversazioni verrà accumulata grazie alla rapida tendenza di sviluppo delle interfacce linguistiche. L'Analisi delle Conversazioni (CA) si impegna a scoprire e analizzare informazioni critiche dai dati delle conversazioni, ottimizzando i processi manuali e supportando le intuizioni aziendali e il processo decisionale. La necessità per la CA di estrarre intuizioni utili e favorire l'empowerment sta diventando sempre più evidente e attirando un'attenzione diffusa. Tuttavia, la mancanza di un chiaro ambito per la CA porta a una dispersione di varie tecniche, rendendo difficile formare una sinergia tecnica sistematica per potenziare le applicazioni aziendali. In questo articolo, eseguiamo una revisione approfondita e sistematizziamo il compito della CA per riassumere i lavori correlati esistenti. In particolare, definiamo formalmente il compito della CA per affrontare il panorama frammentato e caotico in questo settore, e deriviamo quattro fasi chiave della CA dalla ricostruzione della scena della conversazione, all'analisi approfondita dell'attribuzione, e poi all'esecuzione di un addestramento mirato, generando infine conversazioni basate sull'addestramento mirato per raggiungere obiettivi specifici. Inoltre, mostriamo i benchmark rilevanti, discutiamo le sfide potenziali e indichiamo le direzioni future sia nell'industria che nell'ambito accademico. Alla luce degli attuali progressi, è evidente che la maggior parte degli sforzi è ancora concentrata sull'analisi degli elementi superficiali delle conversazioni, il che presenta un divario considerevole tra la ricerca e l'azienda, e con l'ausilio dei LLM, i lavori recenti stanno mostrando una tendenza verso la ricerca sulla causalità e sui compiti strategici che sono sofisticati e di alto livello. Le esperienze e le intuizioni analizzate avranno inevitabilmente un valore di applicazione più ampio nelle operazioni aziendali che mirano alle registrazioni delle conversazioni.

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.