设计会话代理：询问后续问题以进行信息获取

DOI

会话代理（CA）可以在各种场景中促进信息获取，例如半结构化访谈。当前的CA可以提出预定的问题，但缺乏询问后续问题的技能。因此，我们设计了三种CA自动询问后续问题的方法，即概念后续问题、相关概念后续问题和一般后续问题。为了研究它们的效果，我们进行了一项用户研究（N=26），其中CA面试官提出了由算法生成和人类向导精心设计的后续问题。我们的结果表明，CA的后续问题可读性强且在信息获取方面有效。概念后续问题和相关概念后续问题实现了更低的流失率和更好的相关性，而一般后续问题引发了更多的信息性回答。对人-CA访谈数据的进一步定性分析揭示了算法缺点，并确定了人类向导使用的后续问题技术。基于结果，我们为改进未来CA的信息获取提供了设计启示。