用于情感回复生成的情感正则化条件变分自编码器
计算与语言
2021-04-20 v1
摘要
本文提出一种情感正则化条件变分自编码器（Emo-CVAE）模型，用于生成情感对话回复。在传统的基于CVAE的情感回复生成中，情感标签仅作为先验、后验和解码器网络中的附加条件使用。考虑到情感风格在语言空间中与语义内容自然纠缠，Emo-CVAE模型通过引入额外的情感预测网络，利用情感标签对CVAE潜空间进行正则化。在训练阶段，估计的潜变量需要同时预测输入回复的情感标签和词元序列。实验结果表明，我们的Emo-CVAE模型能够学习到比传统CVAE模型更具信息性和结构化的潜空间，并输出在内容和情感表现上优于基线CVAE和序列到序列（Seq2Seq）模型的回复。
引用
@article{arxiv.2104.08857,
title = {Emotion-Regularized Conditional Variational Autoencoder for Emotional Response Generation},
author = {Yu-Ping Ruan and Zhen-Hua Ling},
journal= {arXiv preprint arXiv:2104.08857},
year = {2021}
}
备注
Accepted by IEEE Transactions on Affective Computing