通过多任务学习在开放域对话中选择表情包

随着在线聊天的日益普及，表情包在我们的在线交流中变得重要。在开放域对话中选择恰当的表情包需要综合理解对话与表情包，以及两类模态间的关系。为应对这些挑战，我们提出一种由三个辅助任务构成的多任务学习方法，以增强对对话历史、情感及表情包语义含义的理解。在近期具挑战性的数据集上开展的广泛实验表明，我们的模型能更好地结合多模态信息，并相较强基线取得显著更高的准确率。消融研究进一步验证了各辅助任务的有效性。我们的代码见 \url{https://github.com/nonstopfor/Sticker-Selection}。