SynCPKL：利用大语言模型生成常识人格知识链接的合成数据
计算与语言
2024-07-23 v1
摘要
理解丰富的对话往往需要 NLP 系统访问相关的常识人格知识，但由于上下文复杂且常识性知识隐含，检索此类知识具有挑战性。本文提出了一种解决常识人格知识链接(CPKL)挑战的方法，旨在满足开放域对话系统中整合人格与常识知识的关键需求。我们引入了 SynCPKL Pipeline，这是一个利用大型语言模型生成高质量合成数据集以训练常识人格知识链接器的管道。为展示我们方法的有效性，我们提出了 SynCPKL，这是一个专为该任务设计的新数据集。我们的实验验证了 SynCPKL 在训练常识人格知识链接器方面的有效性。此外，我们的最佳模型 Derberta-SynCPKL 以 16% 的 F1 分数提升在 CPKL 挑战中夺得冠军。我们已在 https://github.com/irislin1006/CPKL 上发布了 SynCPKL 和 Derberta-SynCPKL。
引用
@article{arxiv.2407.15281,
title = {SynCPKL: Harnessing LLMs to Generate Synthetic Data for Commonsense Persona Knowledge Linking},
author = {Kuan-Yen Lin},
journal= {arXiv preprint arXiv:2407.15281},
year = {2024}
}