AAAINov, 2019

使用注意力网络和上下文嵌入进行单人独白和多人对话的自动文本个性识别

PDF
TL;DR本文创建了首个基于对话的个性化数据集，并使用预先训练的语境嵌入和注意力神经网络等方法探索自动个性识别新方法，通过对两种数据集的比较，展示了在多方对话中建模个性所面临的挑战。
automatic personality recognitioncontextual embeddingsdialogue-based personality datasetattentive neural networksmulti-party dialogue
发现论文，激发创造
  • 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

  • 通过数据增强和异构对话图网络提升对话中的人格识别

    我们提出了一种使用人格特征插值来增强说话者数据增强和异构对话图网络来独立捕捉上下文影响和内在个性特征的方法，并在 RealPersonaChat 语料库上进行评估，对现有基线模型进行了显著改进。

    Jan, 2024

  • 基于 BERT 词向量集成的袋化支持向量机实现人格特质检测

    本文介绍了一种基于深度学习技术的自动化文本人格检测方法，采用 BERT 语言模型提取文本数据中的上下文词嵌入，并结合心理语言学特征与 Bagged-SVM 分类器进行计算，实现高效人格预测模型，并在金标准文章数据集上对模型进行实验并证实其优势。

    Oct, 2020

  • 基于角色的神经对话模型

    本文介绍了基于人物角色的模型来处理神经响应生成中的发言人的一致性问题。这些模型在分布式嵌入中编码人物角色，以捕捉个体特征，如背景信息和口语风格。在两个交流者之间捕捉交互属性的暂态发言人 - 被称呼者模型。我们的模型提高了感性和 BLEU 得分，在发言人的一致性上也有类似的提高。

    Mar, 2016

  • 个性化对话生成与多元特征

    本研究旨在研究将个性特征应用于对话生成中以提供个性化对话的问题，并提出了一种基于关键 - 值对的嵌入式特征融合模块和两种新颖的特征感知机制，即基于对话者的关注机制和基于对话者的偏置机制，并构建了 PersonalDialog 数据集，该数据集包含来自海量讲话者的具有不同特征的大量多轮对话。实验结果表明，所提出的模型能够在不同情境下处理适当的特征。

    Jan, 2019

  • 利用自然语言学习个性特征的神经网络

    本研究使用神经网络和分布式算法来提取文本的隐藏性信息，研究人员从心理学文献定义的五大人格特征（Big Five）的形容词词典开始，并构造了包含文本语义信息的嵌入，证明了个人写作风格与其人格特征密切相关。

    Feb, 2023

  • 探索上下文和嵌入在神经命名实体识别模型中在任务定向对话系统中的重要性

    本文通过在任务导向的对话系统中评估经过修改的最新神经网络架构的性能，研究了从文本、字符特征和外部语料库中训练的词嵌入的使用方式，并探讨了前一个话语作为附加特征的不同组合，以及在添加自动翻译的英语 - 翻译和英语 - 转录版本到英语数据集后的实验重复性。

    Dec, 2018

  • 通过跨模态嵌入增强明显人格特征分析

    用深度神经网络进行多模态的自动个性化特征评估，以提高人机交互的质量。

    May, 2024

  • 利用自我监督方法增强语义理解，用于抽象对话摘要

    本文介绍一种使用预处理的深度语境化文本编码器 BERT 来改善自然语言任务，包括抽象概括，并提出一种自我监督的方法来弥补对话概括模型的缺陷。在共享的编码器 - 解码器架构上构建和微调抽象对话概括模型，并在最近引入的 SAMSum 语料库中经验性地评估，证明我们的方法在抽象概括中做出了改进。

    Sep, 2022

  • 训练数百万个个性化对话代理

    本文介绍了一个包含 500 万个人物角色和 7 亿个依据人物角色的对话的新数据集，研究表明，使用此数据集训练对话系统，尤其是当基于文本人物角色时，可以提高其表现，并且在 Zhang 等人（2018）的数据上进行微调可以实现最新的成果。

    Sep, 2018