袖中反讽：意图分布学习与持久融合用于意图条件反击语音生成
计算与语言
2023-05-24 v1 人工智能
摘要
反击语音已被证明是对抗仇恨言论的有效方法。尽管近年来研究了多种传统与可控方法以生成反击语音，但具某一意图的反击语音并非在所有场景都足够。由于仇恨言论复杂且多面，在不同情形下运用具不同意图的多种反叙事形式可能更有利。本文探讨意图条件反击语音生成。首先，我们开发了 IntentCONAN，一个多样化的意图特定反击语音数据集，包含基于五种意图（即信息性、谴责、质疑、积极与幽默）条件的 6831 条反击语音。随后，我们提出 QUARC，一个用于意图条件反击语音生成的两阶段框架。QUARC 利用为每个意图类别学习的向量量化表示，以及 PerFuMe——一个将意图特定信息融入模型的新颖融合模块。我们的评估表明，QUARC 在各项评估指标上平均超越若干基线 10%。广泛的人工评估佐证了我们关于比对比系统更好且更恰当响应的假设。
引用
@article{arxiv.2305.13776,
title = {Counterspeeches up my sleeve! Intent Distribution Learning and Persistent Fusion for Intent-Conditioned Counterspeech Generation},
author = {Rishabh Gupta and Shaily Desai and Manvi Goel and Anil Bandhakavi and Tanmoy Chakraborty and Md. Shad Akhtar},
journal= {arXiv preprint arXiv:2305.13776},
year = {2023}
}
备注
ACL 2023