通过说话者特征对比学习推动多方对话框架的发展
计算与语言
2025-05-20 v2
摘要
多方对话常见于头脑风暴和谈判等协作场景，因其复杂性和多样化的说话者角色而面临重大挑战。当前方法常使用图神经网络建模对话上下文，捕捉结构动态，但严重依赖标注图结构且忽视个体说话风格。为此，我们提出了基于对比学习的多方对话响应生成框架CMR。CMR采用两阶段自监督对比学习框架：首先捕捉个体间说话风格的全球差异，再聚焦对话内比较，以识别主题转变和情境相关事实。迄今为止，这是首次将对比学习应用于多方对话生成。实验结果表明，CMR不仅显著优于最先进模型，还能良好地泛化到大型预训练语言模型，有效提升其处理多方对话的能力。
引用
@article{arxiv.2501.11292,
title = {Advancing Multi-Party Dialogue Framework with Speaker-ware Contrastive Learning},
author = {Zhongtian Hu and Qi He and Ronghan Li and Meng Zhao and Lifang Wang},
journal= {arXiv preprint arXiv:2501.11292},
year = {2025}
}