面向即时通讯应用中贴纸推荐的聊天消息理解
计算与语言
2019-11-26 v4
摘要
在 Hike 等即时通讯应用中，贴纸被广泛用于直观表达一系列细微的想法与话语以传达夸张的情绪。然而，在聊天时从庞大且不断扩充的贴纸库中发掘合适的贴纸可能很繁琐。在本文中，我们描述了一个在用户输入时基于对话上下文实时推荐贴纸的系统。我们将贴纸推荐（SR）问题分解为两步。首先，我们预测用户可能在聊天中发送的消息。其次，我们用合适的贴纸替换预测的消息。Hike 的大部分消息以文本形式存在，这些文本从用户的母语转写为罗马字母。这导致同一消息有大量正字法变体，使准确的消息预测具有挑战性。为解决此问题，我们以无监督方式采用字符级卷积网络学习聊天消息的稠密表示。我们用它们来聚类具有相同含义的消息。在后续步骤中，我们预测消息簇而非消息。我们的方法不依赖人工标注数据（验证除外），从而为底层模型带来全自动更新与调优流水线。我们还提出了一种新颖的混合消息预测模型，其可在具有严重计算限制的低端手机上以低延迟运行。我们描述的系统已部署超过 个月，并被数百万用户以及数十万富有表现力的贴纸所使用。
引用
@article{arxiv.1902.02704,
title = {Understanding Chat Messages for Sticker Recommendation in Messaging Apps},
author = {Abhishek Laddha and Mohamed Hanoosh and Debdoot Mukherjee and Parth Patwa and Ankur Narang},
journal= {arXiv preprint arXiv:1902.02704},
year = {2019}
}