好久不见！具备长期角色记忆的开放域对话
计算与语言
2022-03-15 v2
摘要
大多数开放域对话模型在长期人机对话场景中表现不佳。可能的原因是它们缺乏理解和记忆长期对话历史信息的能力。为解决此问题，我们提出一项新任务——长期记忆对话（LeMon），并构建了新对话数据集 DuLeMon 以及带有长期记忆（LTM）机制的对话生成框架（称为 PLATO-LTM）。该 LTM 机制使我们的系统能够准确提取并持续更新长期角色记忆，而无需多轮会话对话数据集进行模型训练。据我们所知，这是首次对包括用户和机器人在内的双方角色信息进行实时动态管理的尝试。在 DuLeMon 上的结果表明，PLATO-LTM 在长期对话一致性方面显著优于基线，从而带来更好的对话参与度。
引用
@article{arxiv.2203.05797,
title = {Long Time No See! Open-Domain Conversation with Long-Term Persona Memory},
author = {Xinchao Xu and Zhibin Gou and Wenquan Wu and Zheng-Yu Niu and Hua Wu and Haifeng Wang and Shihang Wang},
journal= {arXiv preprint arXiv:2203.05797},
year = {2022}
}
备注
Accepted by Findings of ACL 2022 (Camera-ready version)