LLMの時代における会話分析の必要性：タスク、技術、トレンドの調査

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

September 21, 2024

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

cs.AI

要旨

大規模言語モデル（LLM）の時代において、言語UIの急速な発展傾向により、膨大な会話ログが蓄積されることになる。会話分析（CA）は、会話データから重要な情報を明らかにし、手作業プロセスを効率化し、ビジネス洞察や意思決定をサポートすることを目指している。CAが実行可能な洞察を抽出し、エンパワーメントを促進する必要性がますます際立ち、広範な注目を集めている。しかし、CAの明確な範囲の欠如により、さまざまな技術が分散し、ビジネスアプリケーションを強化するための体系的な技術シナジーを形成することが困難になっている。本論文では、関連する既存の研究を要約するために、徹底的なレビューを行い、CAタスクを体系化する。具体的には、この分野における分断された混沌とした状況に立ち向かうために、CAタスクを形式的に定義し、会話シーンの再構築から、詳細な帰属分析、そして対象となるトレーニングを実行し、最終的に特定の目標を達成するために対象となるトレーニングに基づいて会話を生成するための4つの主要ステップを導出する。さらに、関連するベンチマークを紹介し、潜在的な課題を議論し、産業界と学術界の将来の方向性を指摘する。現在の進展を考えると、多くの取り組みが浅い会話要素の分析に集中していることが明らかであり、これは研究とビジネスの間にかなりのギャップがある。LLMの支援を受けて、最近の研究は原因関係や高度な戦略的タスクに焦点を当てる傾向があり、これらは洗練された高度なタスクである。分析された経験と洞察は、会話ログを対象とするビジネス運用において、広範な応用価値を必然的に持つだろう。

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.