May, 2022

CPED：用于对话 AI 的大规模个性化和情感中文对话数据集

PDF
TL;DR研究表明，说话者的个性和情感对对话有重要影响，因此考虑个性和情感的影响对于对话生成非常重要。为了解决这个问题，我们提出了 CPED: 一个大型、个性化和情感化的对话数据集，包含了与移情和个性特征相关的多源知识，涵盖性别、大五人格特质、13 种情感、19 种对话行为和 10 个场景。该数据集包含了来自 40 个电视节目的 392 个说话者的 12,000 多个对话，是新一代对话人工智能研究的新开放基准。
conversation generationpersonalitiesemotionsdialogue datasetconversational ai
发现论文，激发创造
  • 对话系统中受人格影响的情感生成

    使用人格特征为对话系统生成情感，通过模拟情绪转变过程来改善情感生成性能。

    Apr, 2024

  • 面向共情的开放领域对话模型：新基准和数据集

    本文提出了一个新的共情对话生成指标和一个基于具有情感情境的 25k 个会话的新数据集 EmpatheticDialogues，实验表明使用我们的数据集的对话模型被人类评估员认为比仅在大规模互联网对话数据上训练的模型更具有移情能力，同时还通过实验比较了对情感回应进行的对话模型调整，利用现有模型或数据集而无需重新训练完整模型

    Nov, 2018

  • M3ED：多模态多场景多标签情感对话数据库

    该研究提出了一个含有 7 种情感类别的中文多模态多场景多标签情感对话数据集，命名为 M3ED，用于帮助跨文化情感分析与识别，并提供了多模态上下文感知框架（MDI）以进行情感识别。

    May, 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

  • Pchatbot: 用于个性化聊天机器人的大规模数据集

    介绍了 Pchatbot 数据集，该数据集是从微博和司法论坛等地收集的大规模对话数据集，通过去重、标准化、过滤等过程来适应对话系统，提供匿名用户 ID 和时间戳等隐私保护技术，为未来的个性化对话模型提供基础，公开在 Github 上。

    Sep, 2020

  • 基于个性化的大型语言模型的人工对话生成

    我们提供了一种新颖的端到端的基于个性的合成对话数据生成流程，专门设计用于通过提示语从大型语言模型中引出回应。我们设计了提示语以在用户与聊天机器人互动时考虑真实场景，生成更像人类的对话。我们介绍了 PSYDIAL，第一个专注于个性化对话的韩语对话数据集，该数据集使用我们提出的流程进行策划。值得注意的是，在我们的研究中，我们专注于大五人格模型中的外向性维度。实验结果表明，虽然预训练模型和用闲聊数据集进行微调的模型难以生成反映个性的回应，但用 PSYDIAL 进行训练的模型显示出显著的改进。我们的流程的通用性不仅限于对话任务，还可用于其他非对话相关的应用。这项研究为韩语和潜在的其他语言中更具细微差别、以个性为驱动的对话型人工智能开辟了更多可能性。我们的代码公开可用于此链接。

    Apr, 2024

  • 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

  • 一个大规模的中文短文本对话数据集

    本文介绍了一个大型的、经过清洗的中文对话数据集 LCCC，包含基础版和大型版两种版本，共计 680 万和 1200 万对话。数据集的质量通过一套规则和分类器确保。此外，本文还释放了 LCCC-base 和 LCCC-large 的预训练对话模型，这些数据集和模型将有助于研究短文本对话建模。

    Aug, 2020

  • JDDC 语料库：一种大规模多轮中文对话数据集，用于电子商务客户服务

    本文介绍了一种利用深度学习技术构建人类对话体系的具体方法，提出了一个基于大型真实情境的中文电商会话语料库 JDDC，并针对该语料库进行了取样和生成基准测试，该研究为人机对话研究提供了有效的实验平台和参考。

    Nov, 2019

  • 基于情绪、人口信息和隐式用户反馈的面向任务的文档驱动对话学习

    近期人机交互领域的研究表明，考虑到人口统计信息、用户情感以及从话语中的隐含反馈中学习是任务导向和以文档为基础的对话系统获得用户接受和喜欢的关键。然而，这些发现尚未在自然语言处理领域得到应用，缺乏相应的数据集。为了填补这一空白，我们引入了 FEDI，这是第一个包含任务导向的以文档为基础的对话的英语数据集，其中注释了人口统计信息、用户情感和隐含反馈。我们使用 FLAN-T5、GPT-2 和 LLaMA-2 进行实验，结果表明这些数据有潜力改善任务完成情况、生成回答的事实一致性以及用户接受程度。

    Jan, 2024