对话中的个人属性预测

WWWAug, 2022

Personal Attribute Prediction from Conversations

Yinan Liu, Hu Chen, Wei Shen

TL;DR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。

Abstract

personal knowledge bases (PKBs) are critical to many applications, such as Web-based chatbots and personalized recommendation. Conversations containing rich personal knowledge can be regarded as a main source to populate the PKB. Given a user, a user attribute, and user utterances from

personal knowledge bases predictive modeling pre-trained language model conversational systems supervised learning

发现论文，激发创造

对话中个人属性的低资源预测

该论文提出了一种名为 PEARL 的框架，该框架通过在低资源情况下利用发言中大量的个人属性知识来预测个人属性，该框架结合了 biterm 语义信息和单词共现信息，通过在迭代过程中采用更新后的先前属性知识来优化 biterm 话题模型的 Gibbs 采样过程，多样化的实验结果表明，PEARL 在从对话中预测个人属性的任务上优于所有基线方法，并在一个数据集上的更普遍的弱监督文本分类任务中表现也很好。

Nov, 2022

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

PersonaPKT：基于参数高效知识迁移的个性化对话代理构建

PersonaPKT 通过轻量化的迁移学习方法，将每个角色表示为连续向量，从而在不依赖于显式角色描述的情况下构建具有一致性角色的对话模型，从而提高了隐私保护和存储效率。

Jun, 2023

会话式搜索中的偏见：个性化知识图谱的双刃剑

研究探讨了对话式搜索系统中的偏倚，重点讨论了与个性化知识图谱相关的偏差，提出了处理这些偏差的策略，并讨论了测量偏差和评估用户满意度的方法。

Oct, 2020

基于预训练的个性化对话生成模型及面向稀疏信息处理

本文提出了一种基于预训练的个性化对话模型，利用个人属性嵌入来丰富对话语境，结合注意力路由结构进行解码，从而生成更为连贯且人物一致的回答。

Nov, 2019

呼唤个性化对话：个性化对话基于人设和知识的支撑

通过使用用户角色和维基百科知识，针对庞大的谈话代理和数据集存在的不足，引入了一个 Call For Customized conversation (FoCus) 数据集，以在预训练的语言模型中评估信息和定制发言的生成能力，并通过自动分数进行评估，得出通过角色和知识反映模型的适当发言的结论。

Dec, 2021

个性化端到端目标导向对话学习

本文提出一种个性化的端到端模型，以应用个性化技术来解决对话系统中的一些悬而未决的问题。该模型结合了 “个人资料模型” 和 “偏好模型” 两个子模型，并实践证明其在对话系统任务完成率和用户满意度等方面取得了良好表现。

Nov, 2018

基于知识图谱的文本自动人格预测

本文通过基于知识图谱、深度学习模型和情感词典的方法，提高了基于文本的自动人格预测的准确性

Mar, 2022

融合个人知识于测试时间预测

该研究报告介绍了人工特征整合的问题，该问题提供了一种将非专业领域用户的重要个人知识纳入到机器学习预测中的方法，并通过用户故事和与现有方法的比较，形式化地描述了该问题，为未来的技术解决方案奠定了基础，并在半现实环境中进行了一个简单版本的解决方案的概念验证研究。

Jun, 2024