HyperSumm-RL：用于建模社交机器人领导力感知的对话摘要框架-计算机科学-自然语言处理-社交机器人-对话语言模型.pdfVIP

HyperSumm-RL：用于建模社交机器人领导

力感知的对话摘要框架

SubasishDas

TexasStateUniversity

SanMarcos,USA

subasish@

摘要兴社交动态的透明、可解释且语义基础分析成为可能，

超文本工作流可以增强HRI研究。

本文介绍了HyperSumm-RL，一个用于通过长对话研

本究人类对社会机器人领导力感知的超文本意识摘要和CCSConcepts

译交互分析框架。该系统利用了一个结构化的自然语言

中处理（NLP）工作流，结合了基于变换器的长对话摘•Computingmethodologies→Naturallanguage

要、领导风格建模和用户响应分析，使在复杂的人机processing,Textsummarization;•Informationsys-

1交互（HRI）环境中对社会机器人的可扩展评估成为tems→Informationextraction;•Human-centeredcom-

v

0可能。与之前专注于静态或任务导向型HRI的研究不puting→Infrastructure,Workflows,andApplications.

6

1同，HyperSumm-RL捕捉并以超文本形式组织动态对

4话交流，形成可导航且语义丰富的表示形式，这使得Keywords

0

7.研究人员能够追踪互动线程、识别影响线索，并随时社交机器人，领导力感知，文本摘要，对话语言模型

0间分析领导框架。本研究的贡献有三个方面：（1）我们

5ACMReferenceFormat:

2提出了一个使用领导风格分类法对长多轮对话进行摘

:SubasishDas.2025.HyperSumm-RL：用于建模社交机器人领导

v要和链接的新基础设施；（2）我们提出了一种交互式

i力感知的对话摘要框架.InProceedingsofInProceedingsofthe

x超文本模型，支持在对话主题、参与者响应和机器人

r36thACMConferenceonHypertextandSocialMedia(HT’25).ACM,

a行为模式之间进行关系导航；（3）我们在社会机器人Chicago,IL,USA,8pages./XXXXXXX.XXXXXXX

领导场景中解释参与者信任、参与度和期望变化时展

示了该系统的实用性。研究结果揭示了如何通过使新1介绍

在日常生活的各个方面，包括个人互动、职场沟通和

Permissiontomakedigitalorhardcopiesofallorpartoft