对话系统中的神经表情符号推荐
计算与语言
2016-12-15 v1
摘要
表情符号是对话中的重要组成部分，已广泛应用于几乎所有社交平台。它可以表达纯文本之外的更细腻情感，从而顺畅用户间的交流，使对话系统更具拟人化和生动性。本文聚焦于在多轮对话系统中根据上下文信息自动推荐合适的表情符号，其挑战在于理解整个对话。具体而言，我们提出层次化长短期记忆模型（H-LSTM）来构建对话表示，随后使用 softmax 分类器进行表情符号分类。我们在真实世界数据集的表情符号分类任务上评估了模型，并对参数敏感性和案例进行了进一步探索。实验结果表明，我们的方法在所有评估指标上均取得了最佳性能，表明该方法能够很好地捕捉对话中的上下文信息和情感流，这对表情符号推荐至关重要。
引用
@article{arxiv.1612.04609,
title = {Neural Emoji Recommendation in Dialogue Systems},
author = {Ruobing Xie and Zhiyuan Liu and Rui Yan and Maosong Sun},
journal= {arXiv preprint arXiv:1612.04609},
year = {2016}
}
备注
7 pages