面向社交媒体用户的主题引导式自我介绍生成
计算与语言
2023-05-25 v1 人工智能
机器学习
摘要
数百万用户活跃于社交媒体上。为了让用户更好地展示自我并与他人建立联系，我们探索了社交媒体自我介绍的自动生成，即概述用户个人兴趣的短句。虽然大多数先前工作使用标签（如年龄）来刻画用户画像，我们研究句子级自我介绍，为用户相互了解提供更自然且引人入胜的方式。此处我们利用用户的推文历史来生成其自我介绍。该任务并非易事，因为历史内容可能冗长、含噪声，并展现出多种个人兴趣。为应对这一挑战，我们提出一种新颖的统一主题引导编码器-解码器（UTGED）框架；它建模潜在主题以反映显著用户兴趣，其主题混合进而引导对用户历史的编码，而主题词控制对其自我介绍的 decoding。在实验中，我们收集了大规模Twitter数据集，大量结果表明我们的UTGED优于无主题建模的先进编码器-解码器模型。
引用
@article{arxiv.2305.15138,
title = {Topic-Guided Self-Introduction Generation for Social Media Users},
author = {Chunpu Xu and Jing Li and Piji Li and Min Yang},
journal= {arXiv preprint arXiv:2305.15138},
year = {2023}
}