COSPLAY：基于概念集引导的兼顾双方人格的个性化对话生成
计算与语言
2022-05-17 v3
摘要
保持一致性人格对于构建类人对话模型至关重要。然而，对对话伙伴缺乏关注使模型更以自我为中心：它们倾向于不择手段地展示自己的人格，例如生硬扭转话题、不顾一切将对话拉向自身兴趣，以及极少对伙伴好奇而喋喋不休地谈论自己的人格。在本工作中，我们提出COSPLAY（基于概念集引导的兼顾双方人格的个性化对话生成），将双方视为一个“团队”：在表达自我人格的同时保持对伙伴的好奇，围绕共同人格引导回复，并寻找共同点。具体而言，我们首先将自我人格、伙伴人格以及相互对话全部用概念集表示。然后，我们提出概念集框架及一套知识增强操作来处理它们，例如集合代数、集合扩展与集合距离。基于这些操作作为媒介，我们通过利用1）双方人格的概念、2）它们之间的概念关系、以及3）它们与未来对话的关系来训练模型。在大型公开数据集Persona-Chat上的大量实验表明，在自动与人工评估中，我们的模型在生成较少以自我为中心、更类人且更高质量的回复方面均优于SOTA基线。
引用
@article{arxiv.2205.00872,
title = {COSPLAY: Concept Set Guided Personalized Dialogue Generation Across Both Party Personas},
author = {Chen Xu and Piji Li and Wei Wang and Haoran Yang and Siyun Wang and Chuangbai Xiao},
journal= {arXiv preprint arXiv:2205.00872},
year = {2022}
}
备注
Accepted by SIGIR 2022, 11 pages, 9 figures