基于自监督特征学习的一致对话生成

生成与对话上下文一致的回复是构建引人入胜的对话智能体的核心挑战之一。我们证明了神经对话模型可以通过在对话过程中保持与主题和人物角色相关的某些特征，来倾向于生成一致的回复。以往工作需要使用用户身份等特征的外界监督，而这些特征往往不可用。在我们的方法中，主题和人物角色特征提取器采用利用对话数据自然结构的对比训练方案进行训练。我们进一步采用特征解耦损失，结合可控回复生成技术，使我们能够提升或抑制某些已学习的主题和人物角色特征。评估结果表明该模型能够捕捉有意义的主题和人物角色特征。在两个对话数据集上，所学特征的引入显著提升了生成回复的质量。