MétaCan
Menu
Retour à la cohorte
Enregistrement W4415605817 · doi:10.12732/ijam.v38i8s.630

OMNICHANNEL CONVERSATIONAL SEARCH: MAINTAINING CONTEXT AND CONSISTENCY ACROSS VOICE AND WEB INTERFACES

2025· article· W4415605817 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Apllied Mathematics · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueSpeech and dialogue systems
Établissements canadiensArbutus Biopharma (Canada)
Organismes subventionnairesnon disponible
Mots-clésOmnichannelCloud computingTransaction logContext (archaeology)Latency (audio)ChurningSession (web analytics)Consistency (knowledge bases)Context switch

Résumé

récupéré en direct d'OpenAlex

This research work presents an omnichannel conversational search platform that provides consistent, context-rich responses via voice and web channels. Current conversational agents address voice and web channels separately, leading to fragmented user experiences and context fragmentation between cross-channel interactions. Our platform, which is built on Dialogflow CX and Google Cloud, enables a single conversational agent to support Telephony Gateway voice calls and Web/Messaging requests. For context and to deliver earthed answers, we employ a Cloud Run tool-router for conversation-aware query rewriting and retrieval with Vertex AI Search/Embeddings with Matching Engine, including span-level citations. Scoped session memory is stored in Firestore with DLP redaction to preserve privacy while permitting shared context between channels. Apigee X enforces operation limits and circuit breakers, Cloud Tasks manages delayed enrichment, and BigQuery with Cloud Trace/Logging supports online and offline evaluation. A channel-consistency controller for synchronized answers across modalities, a handoff linker for state preservation during voice-to-web handoffs, and a latency/cost-aware cache enhancing sub-second FAQ answers are at the core of these. System performance is quantified using metrics like consistency of responses, groundedness, deflection ratio, session continuity after channel switch, customer satisfaction (CSAT/NPS), 95th percentile latency per channel, and cost per solved query. Outcomes demonstrate improved user experience, enhanced reliability of response, and seamless cross-channel interaction, establishing benchmarks for practical use in industrial-scale, multi-channel rollouts. This research has problem is maintaining consistent context and responses across voice and web interfaces, causing fragmented interactions and incoherent omnichannel search experiences. This work highlights the potential of merging AI-driven retrieval and robust context management to enhance omnichannel conversational search systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,514
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,312
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle