WWWMar, 2019

基于人物意识的提示生成

PDF
TL;DR通过历史数据中的 `persona' 信息，提出了一个基于对抗自编码器的框架，用于将信息可视化为潜在变量，并开发了一个新的记忆储存方案，用于存储用户和项目的相关信息，然后使用递归神经网络生成出反映个性化评价的广告语。
tips generationpersona modelingadversarial variational auto-encoderslatent embeddingsrecurrent neural networks
发现论文，激发创造
  • 指导变分响应生成器利用人物特点

    本文提出采用条件变异自编码器设计的深度学习模型，引入人格特征以及两个新的正则化项，以生成既考虑话语的人格又相关的回答，进而改善了基于用户画像的回答生成表现，并提出了三个用户画像定向指标，验证了该方法的有效性。

    Nov, 2019

  • 利用角色信息进行对话响应的多样化生成

    本文提出了一种利用人格信息的记忆增强体系结构，将条件变分自动编码器模型与之结合，以生成多样化和可持续的聊天对话，并在基准 persona-chat 数据集上评估，结果表明，该模型可以提供比基线方法更多样化和更吸引人的基于人格的响应。

    May, 2019

  • 基于人设的对话型人工智能：现状与挑战

    研究旨在探索如何在会话系统中加入角色信息以提高响应生成的质量，并发现当前存在不足和挑战和未来的研究方向。

    Dec, 2022

  • 具有隐式用户人设检测的个性化对话生成器

    提出了一种基于用户人格检测的个性化对话生成器，该方法使用条件变分推理建立用户潜在人格模型并利用后验鉴别正则化提高训练效果，在实证研究中实现比现有技术更高的对用户人格关注和提升了对话品质的效果。

    Apr, 2022

  • 使用变分自编码器和异质先验进行物品推荐

    本文提出了一种在 Variational Autoencoders 框架下利用用户评论文本并加入用户自适应先验来提高协同过滤推荐质量的方法，实验证明该方法比已有的基于用户评分与文本的推荐模型有更高的排名指标。

    Jul, 2018

  • 基于抽象提示生成的神经评分回归模型用于推荐

    提出了一种名为 NRT 的基于深度学习的框架，该框架同时可以预测精确的评分和生成具有良好语言质量的抽象提示，从而帮助设计更好的推荐系统。在基准数据集上的广泛实验表明，NRT 方法在不同领域均实现了显着改进。此外，生成的提示可以生动地预测用户的体验和感受。

    Aug, 2017

  • 基于转移学习和 Adapter 的无监督神经风格文本生成

    本文提出一种迁移学习框架，通过更新模型参数的 0.3％来学习响应生成的特定风格属性，解决了在话务系统中保持一致的人物形象和风格的问题。研究表明，个性是改善会话系统参与度和用户体验的关键驱动因素。同时，本研究通过在 ROC 故事语料库中研究风格故事结尾生成问题，从 PERSONALITY-CAPTIONS 数据集中学习风格特定属性，并通过大量实验和评估表明，该新颖的训练方法可以提高风格生成的效果。

    Oct, 2022

  • 一种用于协同过滤的混合变分自编码器

    本文利用变分自编码器和电影嵌入向量，应用于电影推荐，通过 VAE 网络获取潜在表示，探索了合作式过滤的新方法。

    Jul, 2018

  • 利用高斯嵌入理解演员和评估人设

    提出了两种反映演员与角色关系的任务：演员选角预测和演员多才度排名，并提出了一种将演员、电影、角色、类型和描述性关键词嵌入为高斯分布和翻译向量的技术，表明自动识别的人物主题能够在这两个任务上显著提高演员模型的性能。

    Apr, 2018

  • 使用注意力记忆网络从对话中学习人物角色

    本研究报道了一种基于神经网络模型的人设推理方法，通过对 IMDB 电影台词的编码和特征表示学习，模型能够有效地根据角色类型实现人设嵌入，并应用于电影角色相似性度量和电影聚类。

    Oct, 2018