多方可对话中的说话人画像
计算与语言
2023-04-20 v2 人工智能
摘要
在对话场景中，个体表现出独特的行为，使得一刀切的方法不足以让对话智能体生成回复。尽管过往研究旨在利用说话人角色(persona)信息创建个性化对话智能体，但它们依赖于说话人角色已被给定的假设。然而，该假设并非总成立，尤其涉及银行、酒店预订和机票预订等行业中使用的聊天机器人时。本研究论文旨在通过探索对话中说话人画像(SPC)任务来填补此空白。SPC的主要目标是为对话中出现的每位个体说话人生成角色特征摘要。为此，我们将该任务划分为三个子任务：角色发现、角色类型识别以及角色值抽取。给定一段对话，第一子任务旨在识别所有包含角色信息的话语。随后，第二任务评估这些话语以识别其所含角色信息的类型，而第三子任务为各已识别类型确定具体的角色值。为应对SPC任务，我们策划了一个名为SPICE的新数据集，其带有特定标签。我们在该数据集上评估了多种基线，并用本文引入的新神经模型SPOT进行了基准测试。此外，我们对SPOT进行了全面分析，从定量与定性两方面考察了各模块的局限性。
引用
@article{arxiv.2304.08801,
title = {Speaker Profiling in Multiparty Conversations},
author = {Shivani Kumar and Rishabh Gupta and Md Shad Akhtar and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2304.08801},
year = {2023}
}
备注
10 pages, 3 figures, 12 tables