学习检索增强的个人化对话生成
计算与语言
2024-06-28 v1 人工智能
机器学习
摘要
个人化对话生成旨在通过利用人物画像和对话上下文来生成高度量身化的响应，在对话AI应用中获得了广泛关注。然而，当前个人化对话数据集中的人物画像通常仅由四到五句话构成，可能无法全面描述关于该代理的人物画像，导致难以生成真正的个人化对话。为处理此问题，我们提出了学习检索增强的个人化对话生成（LAPDOG），研究了利用外部知识进行人物对话生成的潜力。具体而言，提出的LAPDOG模型包含一个故事检索器和一个对话生成器。故事检索器将给定的人物画像作为查询，从故事文档中检索相关信息，用作增强人物画像的补充上下文。对话生成器利用对话历史和增强后的人物画像生成个人化响应。对于优化，我们采用联合训练框架协同学习故事检索器和对话生成器，其中故事检索器针对所需的最终指标（如BLEU）进行优化，以检索对话生成器生成个人化响应所需的内容。在以ROCStory为补充数据源的CONVAI2数据集上进行的实验表明，提出的LAPDOG方法显著优于基线方法，表明了该方法的有效性。LAPDOG模型的代码公开available for further exploration. https://github.com/hqsiswiliam/LAPDOG
引用
@article{arxiv.2406.18847,
title = {Learning Retrieval Augmentation for Personalized Dialogue Generation},
author = {Qiushi Huang and Shuai Fu and Xubo Liu and Wenwu Wang and Tom Ko and Yu Zhang and Lilian Tang},
journal= {arXiv preprint arXiv:2406.18847},
year = {2024}
}
备注
Accepted to EMNLP-2023