对于我的硕士论文，我正在研究一个对话系统，该系统应该部署在医院中，以便对患者进行简单的问卷调查。我已经做过文献研究，我对我的发现很好，因为我不必复制已经做过的事情，但我注意到关于这个特定的“机器人面试官”主题的论文真的很少。
让我更详细地解释一下这个任务：在真正的面试中，面试官通常会先打招呼，然后解释要管理的问卷，然后他/她开始向面试的人提出一些或多或少结构化的问题. 这里的想法是用对话系统代替人工面试官。
现在，乍一看，这似乎是一项可以轻松手动编码的任务，实际上许多实际应用程序只是使用系统，其中特定问题存储在内存中，并与一些已经做出的答案相关联可供选择（这里有一个例子） ，并且系统只是向被采访的人展示它们（或在人形机器人的情况下阅读），然后系统等待答案，然后继续下一个问题。
关键是，在真正的采访中，对话流程显然更加流畅和自然。一个人可以从受访者的声音中发现疑问，这也可以明确地要求解释，当一个答案带有情感暗示时，一个人也可以理解（“是的，我每天都感到难过”），我们能够用情感填充物自动对这些隐藏的含义做出反应（“我很抱歉听到这个消息”）。所有这些方面都需要训练一些自然语言理解模块才能在人工代理中复制（这实际上是我目前正在研究的），所以我虽然会找到更多关于这方面的论文。
现在，尽管找到了大量与开放域对话系统、情感和专注系统，甚至能够以反讽回答的系统相关的论文，但我并没有找到很多关于顺利面试或问卷管理的对话系统的论文，在我看来这听起来就像一个更容易处理的任务（尤其是与开放域对话相比）。我发现的唯一两篇真正关注面试官系统的论文是：
所以我的问题是：我错过了什么，比如一些特定的关键字吗？或者，在访谈和问卷（或调查）管理的对话系统设计方面，文献中实际上存在差距吗？我对从事类似申请人工作的任何人的任何链接或提示感兴趣，在此先感谢您！