利用多编码器融合策略改进个性化回复选择
计算与语言
2022-09-01 v2 人工智能
摘要
个性化回复选择系统通常基于人物角色（persona）。然而，人物角色与同理心之间存在关联，在这些系统中尚未得到充分探索。此外，当选择矛盾或离题的回复时，对对话上下文的忠实性会下降。本文试图通过提出一组融合策略来解决这些问题，以捕获话语的人物角色、情感和蕴含信息之间的交互。在 Persona-Chat 数据集上的消融研究表明，引入情感和蕴含信息可提高回复选择的准确率。我们结合融合策略和概念流编码来训练基于 BERT 的模型，该模型在原始人物角色上以 hits@1（top-1 准确率）计比先前方法高出逾 2.3%，在修订人物角色上高出 1.9%，在 Persona-Chat 数据集上达到了新的 SOTA 性能。
引用
@article{arxiv.2208.09601,
title = {Using Multi-Encoder Fusion Strategies to Improve Personalized Response Selection},
author = {Souvik Das and Sougata Saha and Rohini K. Srihari},
journal= {arXiv preprint arXiv:2208.09601},
year = {2022}
}
备注
Accepted by COLING 2022. arXiv admin note: text overlap with arXiv:2105.09050 by other authors