SCAINs Presenter：通过检测口语对话中语境依赖性话语防止误解

当个人同时执行多项任务时说话时，有时容易错过对话的部分内容并误解后续陈述或难以跟上对话。在这项工作中，我们旨在识别可能导致误解的话语——如果错过这些话语，可能会导致对后续陈述的误解——并防止沟通差异。虽然已有 several attempts呈现提供话题支持的图像和文本，但目前没有考虑可解释性来支持对话的系统。我们提出了对话支持系统SCAINs Presenter，它呈现「对解释性荒谬至关重要的意识语句」（SCAINs），这些语句对于解释其他句子很重要，是通过重现错过部分对话的人和没有错过对话的人的解读来提取的。SCAINs Presenter的独特之处在于通过考虑可解释性来显示影响后续对话语境的提取句子。特别是，由于SCAINs是如果缺失可能导致后续对话被误解的句子，SCAINs Presenter帮助用户意识到可能因误解而产生的对话差距的可能性。我们的实验表明，当SCAINs被省略时，后续陈述的意图往往变得不清楚，后续陈述的含义也会发生变化。我们还发现SCAINs可以捕捉与仅仅是重要语句不同的独特方面。此外，现实环境中案例研究的结果表明，查看SCAINs鼓励对话参与者将注意力从子任务聊天切换到正在进行的主要任务对话。我们的研究阐明了识别高语境话语的底层语言处理，并展示了使用它们来支持真实人际互动的有效性。