基于对比学习的双边个性化对话生成
计算与语言
2025-03-26 v3 人工智能
摘要
生成个性化回复是人机自然交互的主要挑战之一。该领域当前研究主要关注生成与机器人预设人格一致的回复，而忽略用户人格。此类回复可能不适当甚至冒犯，导致不良用户体验。因此，我们提出一种用于双人对话的双边个性化对话生成（BPDG）方法，通过设计动态人格感知融合方法将用户与机器人人格整合进对话生成。为弥合学习目标函数与评估指标间的差距，采用条件互信息最大（CMIM）准则并结合对比学习从生成候选中筛选合适回复。此外，设计了一种双边人格准确率度量以衡量双边个性化程度。实验结果表明，相较于若干前沿方法，所提方法的最终结果在自动与人工评估上均更具个性化且与双边人格一致。
引用
@article{arxiv.2106.07857,
title = {Bilateral Personalized Dialogue Generation with Contrastive Learning},
author = {Bin Li and Hanjun Deng},
journal= {arXiv preprint arXiv:2106.07857},
year = {2025}
}
备注
14 pages, 6 figures