利用神经自然语言生成器控制基于人格的风格变化
计算与语言
2018-05-23 v1
摘要
面向任务的对话的自然语言生成器必须有效地实现系统对话动作及其关联的语义。在许多应用中，生成器控制话语的风格也是可取的。迄今为止，面向任务的神经生成工作主要聚焦于语义保真度，而非实现风格目标，而关于风格的工作是在难以度量内容保持的情境下完成的。在此我们提出三种不同的序列到序列模型，并仔细测试它们在内容与风格解耦上的表现。我们使用统计生成器 Personage 合成了一个包含超过 88,000 条餐馆领域话语的新语料库，其风格根据人格模型变化，使我们在训练数据中能完全控制语义内容与风格变化。随后我们改变给予三个模型的显式风格监督的量。我们展示了我们最显式的模型能同时实现对语义与风格目标的高保真度：该模型在每一步将 36 个风格参数的上下文向量作为编码器隐藏状态的输入，显示了显式风格监督的益处，即便训练数据量很大时亦然。
引用
@article{arxiv.1805.08352,
title = {Controlling Personality-Based Stylistic Variation with Neural Natural Language Generators},
author = {Shereen Oraby and Lena Reed and Shubhangi Tandon and T. S. Sharath and Stephanie Lukin and Marilyn Walker},
journal= {arXiv preprint arXiv:1805.08352},
year = {2018}
}
备注
To appear at SIGDIAL 2018