基于生成与情感反映的记忆更新：创建 KEEM 数据集以实现更好的长期对话
计算与语言
2026-01-12 v1
摘要
在这项工作中，我们引入了保持情感与必要记忆（KEEM）数据集，这是一个新颖的基于生成的数据集，旨在增强长期对话系统中的记忆更新。与依赖简单累积或基于操作的方法（这些方法常导致信息冲突和难以准确追踪用户当前状态）不同，KEEM 动态生成整合性记忆。此过程不仅保留必要的事实信息，还融入情感上下文和因果关系，从而能够更细致地理解用户交互。通过无缝地使用情感和必要数据更新系统记忆，我们的方法促进了更深层次的共情，并增强了系统在开放域对话中做出有意义回应的能力。
引用
@article{arxiv.2601.05548,
title = {Generation-Based and Emotion-Reflected Memory Update: Creating the KEEM Dataset for Better Long-Term Conversation},
author = {Jeonghyun Kang and Hongjin Kim and Harksoo Kim},
journal= {arXiv preprint arXiv:2601.05548},
year = {2026}
}
备注
COLING 2025 accepted paper (Main)