对话生成的长期控制：方法与评测
计算与语言
2022-05-17 v1 人工智能
摘要
当前控制对话回复生成的方法主要关注风格、情感或话题等高层属性。在本工作中，我们聚焦于受限长期对话生成，它涉及更细粒度的控制，并要求给定的一组控制词出现在生成的回复中。这一设定要求模型不仅要在即时上下文中考虑这些控制词的生成，还要产生能够在（可能遥远的）未来某个时刻促进这些词生成的话语。我们定义了对话生成的受限长期控制问题，指出了当前评测方法的不足，并提出了能更好度量长期控制的新指标。我们还提出了一种检索增强方法，通过logit修正技术提升长期受控生成的性能。我们在三个任务型对话数据集上的实验表明，相较于现有替代方案，我们的指标能更好地评估对话控制，且我们的方法优于最先进的（state-of-the-art, SOTA）受限生成基线。
引用
@article{arxiv.2205.07352,
title = {Long-term Control for Dialogue Generation: Methods and Evaluation},
author = {Ramya Ramakrishnan and Hashan Buddhika Narangodage and Mauro Schilman and Kilian Q. Weinberger and Ryan McDonald},
journal= {arXiv preprint arXiv:2205.07352},
year = {2022}
}