定制化对话的呼唤：基于人物画像与知识的定制化对话
计算与语言
2022-05-17 v3 人工智能
摘要
人类通常利用关于某个主题的先验知识以及交谈对象的背景信息来进行对话。然而，现有的对话代理和数据集没有考虑如此全面的信息，因此在生成正确融合知识与人物画像的话语方面存在局限性。为了解决这个问题，我们引入了定制化对话呼唤（FoCus）数据集，其中定制化的回答是基于用户的人物画像和维基百科知识构建的。为了评估预训练语言模型生成信息丰富且定制化话语的能力，我们使用了 BART 和 GPT-2 以及基于 Transformer 的模型。我们使用自动评分评估它们的生成能力，并进行人工评估以获得定性结果。我们通过提出的两个子任务——人物画像基础（PG）和知识基础（KG）——来检验模型是否反映了充分的人物画像和知识。此外，我们通过基础质量评估表明，我们数据中的话语是用正确的知识和人物画像构建的。
引用
@article{arxiv.2112.08619,
title = {Call for Customized Conversation: Customized Conversation Grounding Persona and Knowledge},
author = {Yoonna Jang and Jungwoo Lim and Yuna Hur and Dongsuk Oh and Suhyune Son and Yeonsoo Lee and Donghoon Shin and Seungryong Kim and Heuiseok Lim},
journal= {arXiv preprint arXiv:2112.08619},
year = {2022}
}
备注
Accepted paper at the Thirty-Sixth AAAI Conference on Artificial Intelligence (AAAI-22)