MemeCMD：一个自动生成的中文多轮对话数据集，包含上下文检索的表情包
计算与语言
2025-07-02 v1 人工智能
摘要
表情包在线上社交互动中广泛使用，提供鲜活、直观且常带幽默感的表达意图和情感的手段。现有的对话数据集主要局限于手动标注或纯文本对话，缺乏多模态互动所提供的表达力和情境细微差别。为此，我们引入 MemeCMD，一个自动生成的中文多轮对话数据集，包含上下文检索的表情包。我们的数据集将大规模 MLLM 标注的表情包库与跨多样化情境的双主体自动生成对话相结合。我们引入检索框架和自适应阈值，以确保表情包使用情境相关且自然地分散。实验表明，我们的方法在生成情境恰当且多样化的包含表情包对话方面有效，提供了一个可扩展且隐私保护的资源，用于推进多模态对话 AI。
引用
@article{arxiv.2507.00891,
title = {MemeCMD: An Automatically Generated Chinese Multi-turn Dialogue Dataset with Contextually Retrieved Memes},
author = {Yuheng Wang and Xianhe Tang and Pufeng Huang},
journal= {arXiv preprint arXiv:2507.00891},
year = {2025}
}