学习个性化端到端面向目标对话
计算与语言
2018-11-13 v1
摘要
大多数现有对话系统工作仅考虑对话内容，而忽略了机器人所交互用户的个性，这引发了若干未解决问题。本文提出一种个性化端到端模型，试图在面向目标对话中利用个性化。我们首先引入一个档案模型，将用户档案编码为分布式嵌入，并参考其他相似用户的对话历史。随后一个偏好模型捕捉用户对知识库实体的偏好，以处理用户请求中的歧义。两个模型被组合为个性化MemN2N。实验表明，所提模型相较SOTA方法取得了定性的性能提升。在人工评估方面，其在任务完成率和用户满意度上也优于其他方法。
引用
@article{arxiv.1811.04604,
title = {Learning Personalized End-to-End Goal-Oriented Dialog},
author = {Liangchen Luo and Wenhao Huang and Qi Zeng and Zaiqing Nie and Xu Sun},
journal= {arXiv preprint arXiv:1811.04604},
year = {2018}
}
备注
Accepted by AAAI 2019