面向智能个人助理的分面技能推荐研究

研究持续表明，尽管智能个人助理开发了大量技能，用户往往只与其中少数进行交互。造成这种差异的原因之一是技能可发现性问题，通常通过对话推荐来解决。然而，当前的推荐策略存在信息不对称、缺乏交互性以及对技能适当分组理解不足等局限。本文探索利用语音界面进行交互式分面技能推荐的可能性。通过开放卡片排序用户研究和半结构化访谈，我们识别并描述了驱动用户自然分组的五个分面（主题性、程序性、跨系统、环境性和接收者），并论证了同时支持这些分面的必要性。随后，我们讨论了这些发现对通过交互式对话推荐提升智能个人助理技能可发现性的意义。