基于背景故事的无监督人物角色对话增强

人类常提及个人叙事、生活经历与事件，以使对话更引人入胜且丰富。尽管基于人物角色的对话模型能够生成遵循给定角色的回复，它们常遗漏陈述与角色相关的详细经历或事件，往往使对话浅显乏味。本工作中，我们通过利用现有故事数据集（如 ROCStories）中的虚构叙事，为对话模型配备与人物角色相关的“背景故事”。由于当前对话数据集不含此类叙事作为回复，我们采用基于梯度的重写技术，对检索到的故事进行无监督适配以生成对话回复。我们提出的方法鼓励所生成回复与对话历史流畅（即高概率）衔接、与检索故事差异最小以保留事件顺序、并与原始人物角色一致。我们证明，相比现有对话模型输出，我们的方法生成的回复更多样，且被人工评估者评为更具吸引力和拟人化。