اكتشاف تدفق العمل من الحوارات في نظام البيانات المنخفضة

الحوار النصي أصبح الآن يستخدم على نطاق واسع لحل المشكلات الحقيقية. في الحالات التي تكون فيها استراتيجيات الحل معروفة مسبقًا، يمكن أحيانًا ترميزها في سير عمل واستخدامها لتهديء البشر أو الوكلاء الاصطناعيين في مهمة مساعدة العملاء. نقدم صياغة مشكلة جديدة نطلق عليها اكتشاف سير العمل (Workflow Discovery - WD)، حيث نهتم بالوضع الذي قد لا يكون فيه سير عمل رسمي موجودًا بعد. ومع ذلك، نرغب في اكتشاف مجموعة الإجراءات التي تم اتخاذها لحل مشكلة معينة. كما ندرس أيضًا نهج التحويل من تسلسل إلى تسلسل (Sequence-to-Sequence - Seq2Seq) لهذه المهمة الجديدة. نقدم تجارب حيث نستخرج سير العمل من حوارات في مجموعة بيانات المحادثات القائمة على الإجراءات (Action-Based Conversations Dataset - ABCD). بما أن حوارات ABCD تتبع سير عمل معروفة لتوجيه الوكلاء، يمكننا تقييم قدرتنا على استخراج مثل هذه السير العمل باستخدام تسلسلات الأفعال الحقيقية. نقترح وتقيّم نهجًا يعتمد على مجموعة الإجراءات المحتملة، ونظهر أنه باستخدام هذه الاستراتيجية، يمكننا تحسين أداء WD. يحسن هذا النهج أيضًا أداء WD بدون أمثلة سابقة وبأمثلة قليلة عند نقل النماذج المستفادة إلى مجالات غير مألوفة داخل وعبر المجموعات البيانات. علاوة على ذلك، في ABCD، يحقق نوع معدل من طريقة Seq2Seq لدينا أفضل الأداء الحالي في المشكلات ذات الصلة ولكن المختلفة مثل تتبع حالة الإجراء (Action State Tracking - AST) ونجاح الحوار المتدرج (Cascading Dialogue Success - CDS) عبر العديد من مقاييس التقييم.