向朋友学习：基于社交网络的少样本个性化对话系统
计算与语言
2021-05-24 v1
摘要
个性化对话模型（PCM）依据说话人偏好生成回复。现有个性化对话任务通常要求模型从用户描述或其对话历史中提取说话人偏好，而对新用户和不活跃用户而言这些资源匮乏。本文提出一项带辅助社交网络的少样本个性化对话任务，要求模型在给定说话人少量对话及一个社交网络的情况下为该说话人生成个性化回复。现有方法主要设计用于融合描述或对话历史，难以对仅有极少对话或说话人之间关联的说话人建模。为更好地服务资源匮乏的新用户，我们提出一种个性化对话模型（PCM），学习适应新说话人并让新说话人从资源丰富的说话人处学习。具体地，基于元学习 PCM，我们提出任务聚合器（TA）从社交网络收集其他说话人的信息，TA 在其元学习中提供新说话人的先验知识。实验结果表明，我们的方法在恰当性、多样性及与说话人一致性上优于所有基线。
引用
@article{arxiv.2105.10323,
title = {Learning from My Friends: Few-Shot Personalized Conversation Systems via Social Networks},
author = {Zhiliang Tian and Wei Bi and Zihan Zhang and Dongkyu Lee and Yiping Song and Nevin L. Zhang},
journal= {arXiv preprint arXiv:2105.10323},
year = {2021}
}
备注
Published by AAAI 2021