MojiTalk：大规模生成情感化回复
计算与语言
2018-05-15 v2 人工智能
摘要
生成情感化语言是构建具共情的自然语言处理智能体的关键一步。然而，该研究路线的一个主要挑战是缺乏大规模标注训练数据，且先前研究仅限于少量人工标注的情感标签。此外，显式控制生成文本的情感与情绪也较为困难。在本文中，我们采取一种更激进的方法：利用天然以表情符号标注的 Twitter 数据这一思路。更具体地，我们收集了一个在回复中包含表情符号的大规模 Twitter 对话语料库，并假定这些表情符号传达了句子的潜在情感。随后，我们引入一种强化条件变分编码器方法来在这些对话上训练深度生成模型，从而允许我们使用表情符号来控制生成文本的情感。在实验上，我们通过定量与定性分析表明，所提模型能成功生成符合指定情感的高质量抽象式对话回复。
引用
@article{arxiv.1711.04090,
title = {MojiTalk: Generating Emotional Responses at Scale},
author = {Xianda Zhou and William Yang Wang},
journal= {arXiv preprint arXiv:1711.04090},
year = {2018}
}