面向序列到序列聊天机器人回复的可扩展情感调控及性能分析
计算与语言
2018-04-10 v1
摘要
传统的 seq2seq 聊天机器人模型仅试图寻找以输入序列为条件概率最高的句子，而不考虑输出句子的情感。已有一些尝试修改输出序列情感的研究工作被报道。本文中，我们提出五种模型来缩放或调整聊天机器人回复的情感：基于人格的模型、强化学习、即插即用模型、情感变换网络以及 cycleGAN，均基于传统的 seq2seq 模型。我们还开发了两种评估指标来估计给定输入时回复是否合理。这些指标连同另外两种常用指标被用于分析五种所提模型在不同方面的性能，其中强化学习和 cycleGAN 被证明极具吸引力。评估指标也被发现与人工评估具有良好相关性。
引用
@article{arxiv.1804.02504,
title = {Scalable Sentiment for Sequence-to-sequence Chatbot Response with Performance Analysis},
author = {Chih-Wei Lee and Yau-Shian Wang and Tsung-Yuan Hsu and Kuan-Yu Chen and Hung-Yi Lee and Lin-shan Lee},
journal= {arXiv preprint arXiv:1804.02504},
year = {2018}
}