混合对话系统中负面风格迁移的缓解
计算与语言
2022-12-15 v1
摘要
随着对话系统功能的演进，既能完成用户特定目标又能参与开放话题闲聊的混合对话系统正受到越来越多的关注。现有研究利用多任务融合技术同时学习两项任务，却忽略了由独特文本风格差异引发的负迁移现象。因此，采用基于潜变量模型的对比学习在潜空间中对不同文本体裁进行解耦。我们为不同数据集设计了有监督与自监督的正、负样本构造方式。此外，为利用解耦潜变量中所含的风格信息，我们采用风格前缀将潜变量进一步融入以控制不同风格响应的生成。我们在三个对话数据集上进行了大量实验，包括一个混合对话数据集与两个任务型对话数据集。实验结果表明，我们的方法能够缓解负面风格迁移问题，并在多个对话数据集上取得最先进（SOTA）性能。
引用
@article{arxiv.2212.07183,
title = {Mitigating Negative Style Transfer in Hybrid Dialogue System},
author = {Shimin Li and Qinyuan Cheng and Linyang Li and Xipeng Qiu},
journal= {arXiv preprint arXiv:2212.07183},
year = {2022}
}
备注
Accepted by AAAI-2023