CoMAC：稀疏对称潜在交互的多源辅助上下文对话代理
计算与语言
2025-03-26 v1 信息检索
机器学习
摘要
近期的人工智能驱动对话代理取得了显著进展，展现出巨大的应用潜力。有效的响应生成是这些代理成功的关键。虽然广泛的研究聚焦于利用多个辅助数据源（如知识库和人格）来增强响应生成，但现有方法常常难以有效提取这些数据源中相关信息。当前方法在将多样化的对话能力与对已知事实的遵循以及对用户偏好和信念系统大幅变化的适应之间仍存在明显局限，这继续阻碍了对话人工智能工具的广泛采用。本文引入一种新方法——多源辅助上下文的稀疏对称潜在交互对话代理（CoMAC），用于对话生成，该方法采用专门的编码流和后融合 grounding 网络处理多个数据源，以识别对对话相关的人格和知识信息。CoMAC 还利用一种新型文本相似度度量标准，允许多个数据源之间进行双向信息共享，并聚焦于有意义词汇的精选子集。我们的实验表明，CoMAC 在相关人格和知识预测准确率以及响应生成质量方面均显著优于两种最先进的方法。
关键词
引用
@article{arxiv.2503.19274,
title = {CoMAC: Conversational Agent for Multi-Source Auxiliary Context with Sparse and Symmetric Latent Interactions},
author = {Junfeng Liu and Christopher T. Symons and Ranga Raju Vatsavai},
journal= {arXiv preprint arXiv:2503.19274},
year = {2025}
}
备注
The 29th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD2025)