AugESC：利用大语言模型进行情感支持对话的数据增强
计算与语言
2023-05-19 v3
摘要
众包对话语料库由于数据整理成本高昂，通常在规模和主题覆盖面上受限。这会阻碍下游对话模型向开放领域主题的泛化。在本工作中，我们利用大语言模型在情感支持对话（ESC）任务中进行对话增强。通过将对话增强视为对话补全任务，我们提示一个微调过的语言模型基于各种主题的可用对话帖子补全完整对话，随后基于启发式规则进行后处理。应用该方法，我们构建了 AugESC，一个用于 ESC 任务的增强数据集，大幅扩展了众包 ESConv 语料库的规模和主题覆盖。通过全面的人工评估，我们证明了我们的方法优于强基线对话增强方法，且 AugESC 具有与众包语料库相当的对话质量。我们还进行了人工交互评估，并证明在 AugESC 上后训练可提升下游对话模型对开放领域主题的泛化能力。这些结果表明了 AugESC 的效用，并凸显了大语言模型在改善数据稀缺的对话生成任务方面的潜力。
引用
@article{arxiv.2202.13047,
title = {AugESC: Dialogue Augmentation with Large Language Models for Emotional Support Conversation},
author = {Chujie Zheng and Sahand Sabour and Jiaxin Wen and Zheng Zhang and Minlie Huang},
journal= {arXiv preprint arXiv:2202.13047},
year = {2023}
}
备注
Findings of ACL 2023