对话数据集中风格相似性如何塑造用户偏好：基于用户与第三方评估者的评估

最近的对话生成技术进展拓宽了人机交互的范围，使不仅能生成情境恰当的响应，还能分析人的情感和敏感性。虽然先前工作表明，用户与系统之间的风格相似性可能增强用户印象，但在区分主观与客观相似性时往往被忽视。为调查此问题，我们引入了一个新数据集，包含用户偏好、基于用户自身感知的主观风格相似性以及在开放域对话场景中由第三方评估者标注的客观风格相似性。使用构建的数据集分析揭示，主观风格相似性与用户偏好之间存在强烈正相关。此外，我们的分析表明一个重要发现：用户感知的主观风格相似性与第三方客观相似性存在差异。这凸显了区分主观与客观评估的重要性，以及理解每种评估方式在分析风格相似性与用户偏好关系时捕获的不同方面的重要性。本文提出的数据集已在线上公开。