面向个性化检索式聊天机器人的隐式用户画像学习

本文探讨开发个性化聊天机器人的问题。个性化聊天机器人被设计为用户的数字聊天助手。其关键特征是应与相应用户具有一致的人格，在被委托回复他人消息时能以与用户相同的方式交谈。我们提出一种检索式个性化聊天机器人模型，即 IMPChat，从用户对话历史中学习隐式用户画像。我们认为隐式用户画像在可及性与灵活性上优于显式用户画像。IMPChat 旨在通过分别建模用户的个性化语言风格与个性化偏好来学习隐式用户画像。为学习用户个性化语言风格，我们利用用户历史回复从浅到深精心构建语言模型；为建模用户个性化偏好，我们探索用户每条帖子—回复对下的条件关系。个性化偏好是动态且上下文感知的：在聚合个性化偏好时，我们对那些与当前查询主题相关的历史对赋予更高权重。我们将每个候选回复分别与个性化语言风格和个性化偏好匹配，并融合两种匹配信号以确定最终排序分数。在两个大型数据集上的综合实验表明，我们的方法优于所有基线模型。