EMNLPSep, 2020

面向开放域对话代理的基本信息一致性确认

PDF
TL;DR通过创建人工注释的数据集并利用 Bert 模型识别属性一致性，本文旨在提高对话代理与人类的属性一致性并进一步证明该模型有助于提高对话的一致性。
dialogue agentsattribute consistencyhuman-annotated datasetbert modeldialogue consistency
发现论文，激发创造
  • 读取言外之意：从对话中学习个人特质

    本研究使用深度学习方法从对话文本中提取个人属性，并在 Reddit 讨论、电影剧本、个人对话等多个语料库上比较实验，最终证明了本方法的有效性和超越了先前的状态法基线。

    Apr, 2019

  • 与你相识：对话中用户属性提取

    本文提出了一种利用对话系统中的强提示信息自动提取用户属性的方法，通过远程监督训练两阶段属性提取器，实现了多种基线模型无法超越的效果，并探讨了已提取用户属性的个性化推荐和对话系统应用以及潜在局限性。

    Aug, 2019

  • 为聊天机器赋予人格 / 身份以进行连贯对话生成

    本研究使用社交媒体的一般会话数据，构建了一个包含三个模块的模型：个人信息检测器，双向 decoder 和位置检测器，有效地生成了聊天机器人的自然、多样和连贯的回复。

    Jun, 2017

  • 利用自然语言推理生成人物一致的对话

    利用自然语言推断技术探讨生成持续一致人格的对话，提出基于强化学习框架使用从响应 - 人格对得到的自然语言推断信号作为奖励来生成至关一致的对话，并通过对话者的关注机制编码器 - 解码器来生成基于人格的响应，使用对抗训练的自然度模块和基于自然语言推断的一致性模块来评估生成的响应的一致性，实验表明该方法优于强大的生成基线，特别是在生成响应的人格一致性方面。

    Nov, 2019

  • 不一致的对话回应及其恢复方法

    研究论文强调了聊天系统的一致性问题，介绍了一个用于研究对话一致性的数据集和一系列任务，实验证明该数据集对于检测和解决会话中的不一致性有显著帮助，同时发现当前流行的大型语言模型如 ChatGPT 在解决不一致性方面表现良好但在检测方面仍存在困难。

    Jan, 2024

  • 对话中的个人属性预测

    本论文提出了一种基于预训练语言模型的模型，通过对话系统中用户发出的不带标签的语句进行无监督学习，从而实现预测用户个人属性值的目的，从而丰富 PKB，并通过挖掘未标注语句中嵌入的个人属性知识来实现两类监督。实验结果表明，该框架在预测个人属性方面表现最佳。

    Aug, 2022

  • 通过角色扩展来提高对话中的人格一致性

    该论文提出了一种新的检索到预测范例来解决个性化聊天机器人中 OOP 问题，并通过采用实际人物进行后验转换来进一步缓解训练和推理之间的差距。并通过 IT-ConvAI2 和 ConvAI2 的广泛实验表明，我们提出的模型在自动指标和人类评估方面都取得了可观的改进。

    Aug, 2022

  • 关于大型在线社交网络中个人资料匹配的可靠性

    本文研究了面向实际应用的用户跨多个在线社交网络的个人资料匹配可靠性，提出了测量可靠性的标准并发现实际应用中的准确度显著低于以往文献研究所报道的准确度，揭示了在线社交网络个人资料匹配的局限性。

    Jun, 2015

  • 我会听起来像我自己吗？通过实践自我意识提高对话中的人物形象一致性

    我们探讨了如何通过 Rational Speech Acts 框架的方法，为已有的对话代理赋予公共自我意识的能力，以强化其一致性并减少矛盾，同时探索了如何在对话中提高背景一致性。

    Apr, 2020

  • 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