マルチパーティ会話を止めない！制約付きで合成された筆記マルチパーティ会話を生成する

要旨: 書かれたマルチパーティ会話（Written Multi-Party Conversations; WMPCs）は、アクセスしやすいことから社会メディアが主要なデータソースとなり、多分野で広く研究されている。 しかし、これらのデータセットにはプライバシー上の懸念があり、また多くの場合、プラットフォーム固有の性質を反映している。 例えば、話者間の相互作用は、（スレッドや木構造の議論などの）硬直したプラットフォーム構造のために制限されることがあり、その結果、過度に単純化された相互作用パターン（例：1対1の「返信（reply-to）」リンク）しか得られない。 本研究では、対話構造や参加者の立場といった決定論的な制約を与えることで、指示にチューニングされた大規模言語モデル（LLM）によって合成WMPCを生成することの実現可能性を探る。 本研究では、この文脈におけるLLM活用のための補完的な2つの戦略を調査する： (i) LLMをWMPCジェネレータとして用い、LLMに対してWMPC全体を一度に生成させる方法、(ii) LLMをWMPCの参加者として用い、会話履歴が与えられたもとで、LLMが会話の1ターンずつを生成する方法（話者、宛先、メッセージから成る）。 次に、両方の戦略について、制約への準拠、内容の品質、相互作用の複雑さを評価するための分析フレームワークを導入する。 最後に、人手評価およびLLMを「ジャッジ」として用いる評価によって、得られたWMPCの水準を評価する。 我々は、LLM間で大きな差異があることを見出し、高品質なWMPCを生成できるのは一部のLLMに限られることも分かった。 また、ターンごとの生成は、WMPCを一度に生成する方法よりも、制約への適合性が高く、言語的な多様性がより高いことも判明した。 それでも、構造的評価と質的評価の結果から、両方の生成戦略が高品質なWMPCをもたらし得ることが示される。