用于改进角色设定对话数据集的对偶任务框架
计算与语言
2022-02-17 v2 人工智能
机器学习
摘要
本文介绍了一种简单而有效的以数据为中心的方法，用于改进角色设定条件对话智能体。先前的以模型为中心的方法盲目依赖原始众包基准数据集，如 Persona-Chat。相反，我们的目标是在基准测试中修正标注伪影，这与任何对话模型正交适用。具体而言，我们利用两个任务（基于彼此预测对话响应与角色设定）的 primal-dual 结构，通过扩充相关角色设定来改进对话数据集/智能体。在 Persona-Chat 上的实验表明，我们的方法在准确率上以 11.7 分的增益优于预训练语言模型 (LM)。
引用
@article{arxiv.2202.05435,
title = {Dual Task Framework for Improving Persona-grounded Dialogue Dataset},
author = {Minju Kim and Beong-woo Kwak and Youngwook Kim and Hong-in Lee and Seung-won Hwang and Jinyoung Yeo},
journal= {arXiv preprint arXiv:2202.05435},
year = {2022}
}
备注
Accepted to AAAI2022