从人设到人：基于多话语关系图学习的个性化对话生成自然度增强

在对话生成中，响应的自然度对于有效的人机交互至关重要。个性化响应生成面临更大的挑战，因为响应必须与用户的个人特征或人设描述保持连贯和一致。我们提出了 MUDI（Multiple Discourse Relations Graph Learning，多话语关系图学习）用于个性化对话生成。我们利用大语言模型辅助标注话语关系，并将对话数据转换为结构化的对话图。我们的图编码器——所提出的 DialogueGAT 模型——随后捕获该结构中隐含的话语关系以及人设描述。在个性化响应生成阶段，我们实现了新颖的连贯性感知注意力策略，以增强解码器对话语关系的考虑。我们的实验表明个性化响应的质量显著提升，从而更接近人类式的对话交流。