训练数百万个个性化对话智能体
计算与语言
2018-09-07 v1
摘要
当前的对话系统对用户而言不够吸引人，尤其是在端到端训练且不依赖主动重新互动的脚本策略时。Zhang等人(2018)表明，当以向模型提供一些个性化背景故事的文本角色(persona)为条件时，端到端对话模型的互动水平会提升。然而，Zhang等人(2018)所用的数据集是合成的且规模有限，仅包含约1k个不同角色。本文引入一个提供500万角色和7亿基于角色的对话的新数据集。我们的实验表明，在此规模下端到端系统使用角色训练仍能提升性能。此外，我们通过对Zhang等人(2018)的数据微调模型并取得最先进(state-of-the-art)结果，表明其他任务也受益于我们数据集的广泛覆盖。
引用
@article{arxiv.1809.01984,
title = {Training Millions of Personalized Dialogue Agents},
author = {Pierre-Emmanuel Mazaré and Samuel Humeau and Martin Raison and Antoine Bordes},
journal= {arXiv preprint arXiv:1809.01984},
year = {2018}
}
备注
EMNLP 2018