通过基于基准的最小编辑实现可迁移的接地式人格对话
计算与语言
2021-09-17 v1 人工智能
机器学习
摘要
接地式对话模型生成基于某些概念接地的回复。受限于接地式对话数据的分布，在此类数据上训练的模型面临数据分布与接地概念类型方面的可迁移性挑战。为应对这些挑战，我们提出接地式最小编辑框架，其对现有回复进行最小编辑以使其基于给定概念接地。聚焦于人格(persona)，我们提出接地式最小编辑器(GME)，其通过学习解耦并重组回复中与人格相关及与人格无关的部分来进行编辑。为评估人格接地的微小编辑，我们提出PersonaMinEdit数据集，实验结果表明GME大幅优于有竞争力的基线。为评估可迁移性，我们在BlendedSkillTalk的测试集上实验，表明GME可编辑对话模型的回复，在保持知识与共情使用的同时大幅改善其人格一致性。
引用
@article{arxiv.2109.07713,
title = {Transferable Persona-Grounded Dialogues via Grounded Minimal Edits},
author = {Chen Henry Wu and Yinhe Zheng and Xiaoxi Mao and Minlie Huang},
journal= {arXiv preprint arXiv:2109.07713},
year = {2021}
}
备注
Accepted to EMNLP 2021