EgoSelf：メモリからパーソナライズされたエゴセントリックアシスタントへ

要旨: 自己中心的なアシスタントは、しばしばユーザの行動や文脈を把握し、パーソナライズされたサービスを提供するために、一人称視点のデータに依存します。異なるユーザは異なる習慣、嗜好、ルーティンを示すため、真に効果的な支援のためには、そのようなパーソナライズが不可欠です。しかし、パーソナライズのために長期のユーザデータを効果的に統合することは、依然として重要な課題です。そこで本研究では、過去の観測から構築されるグラフベースのインタラクションメモリと、パーソナライズ専用の学習タスクを含むシステムEgoSelfを提案します。このメモリは、インタラクションイベントとエンティティ間の時間的および意味的な関係を捉え、それに基づいてユーザ固有のプロファイルを導出します。パーソナライズされた学習タスクは、グラフに記録された各ユーザの過去の行動に基づいて、モデルが将来の起こり得るインタラクションを予測する予測問題として定式化されます。大規模な実験により、EgoSelfがパーソナライズされた自己中心的アシスタントとして有効であることが示されます。コードは以下で提供されています: \href{https://abie-e.github.io/egoself_project/}{https://abie-e.github.io/egoself\_project/}。