结构化潜空间用于风格化回复生成
计算与语言
2019-09-13 v1 人工智能
摘要
以目标风格生成回复是一项有用却具挑战的任务，尤其在缺乏平行数据的情况下。在数据有限时，现有方法往往生成风格化较弱或与上下文相关性较低的回复。我们提出 StyleFusion，通过共享结构化潜空间来桥接对话建模与非平行风格迁移。该结构使系统能够通过在对话模型预测的邻域内采样，并连续控制风格强度，从而生成风格化且相关的回复。我们使用来自 Reddit 数据的对话以及两组具有截然不同风格（arXiv 与 Sherlock Holmes 小说）的句子演示了该方法。自动与人工评估表明，在不牺牲恰当性的前提下，系统生成了目标风格的回复，并优于有竞争力的基线。
引用
@article{arxiv.1909.05361,
title = {Structuring Latent Spaces for Stylized Response Generation},
author = {Xiang Gao and Yizhe Zhang and Sungjin Lee and Michel Galley and Chris Brockett and Jianfeng Gao and Bill Dolan},
journal= {arXiv preprint arXiv:1909.05361},
year = {2019}
}
备注
accepted to appear at EMNLP 2019 (long)