每人一个聊天机器人：基于隐式用户画像的个性化聊天机器人构建

个性化聊天机器人致力于赋予聊天机器人一致的人格，使其表现得像真实用户、给出更具信息量的回复，并进一步充当个人助手。现有的个性化方法试图将若干文本描述作为显式用户画像加以融入。然而，此类显式画像的获取成本高且耗时，因而难以大规模应用于实际场景。此外，受限的预定义画像忽视了真实用户的语言行为，且无法随用户兴趣变化自动更新。本文提出从大规模用户对话历史中自动学习隐式用户画像以构建个性化聊天机器人。具体而言，借助 Transformer 在语言理解上的优势，我们训练一个个性化语言模型，从用户的历史回复中构建通用用户画像。为突出与输入帖子相关的历史回复，我们进一步建立历史帖子-回复对的键值记忆网络，并构建动态帖子感知用户画像。该动态画像主要描述用户历史上对类似帖子曾作出何种及如何的回复。为显式利用用户高频用词，我们设计了一个个性化解码器，融合两种解码策略：从通用词表生成词，以及从用户个性化词表复制词。在两个真实数据集上的实验表明，我们的模型相较现有方法取得显著提升。我们的代码见 https://github.com/zhengyima/DHAP。