引导变分响应生成器以利用人物角色
计算与语言
2020-05-14 v2
摘要
在过去的几年中，在神经响应生成器（NRG）中利用用户的人物角色信息来进行个性化对话，已被视为对话智能体研究中一个引人关注且重要的课题。尽管该领域近期研究取得了可喜进展，人物角色信息往往以用户嵌入的形式被整合进神经网络，期望通过端到端学习使人物角色得以参与。本文提出将人类对话中与性格相关的特征引入变分响应生成器，通过设计一种特定的基于条件变分自编码器的深度模型，并在损失函数中引入两个新的正则化项，从而引导优化朝向生成兼具人物角色感知与相关性的响应。此外，为合理评估各种人物角色建模方法的性能，本文进一步从多角度提出了三个直接的面向人物角色的指标。实验结果表明，我们所提方法能显著提升人物角色感知响应生成的性能，且这些指标用于评估结果合理。
引用
@article{arxiv.1911.02390,
title = {Guiding Variational Response Generator to Exploit Persona},
author = {Bowen Wu and Mengyuan Li and Zongsheng Wang and Yifu Chen and Derek Wong and Qihang Feng and Junhong Huang and Baoxun Wang},
journal= {arXiv preprint arXiv:1911.02390},
year = {2020}
}