Apr, 2023

当众筹遇见人设：创建大规模开放域人设对话语料库

PDF
TL;DR本研究创建了一个大规模的开放式人设对话语料库，解决了创建自然语言数据集时面对的语义敏感性、隐私问题、数据采集难度等多重难题。
natural language datasetgenerative taskstopic classificationsentiment analysisopen-domain persona dialogue corpus
发现论文，激发创造
  • 利用大规模语言模型构建具有角色指定的开放域对话系统

    本研究旨在解决将角色赋予开放领域对话系统的问题，并提出了一个高效的数据收集框架，借助大规模语言模型的上下文少样本学习来构建满足角色约束的对话数据集。在此基础上，通过比较不同架构的开放领域对话系统，在保持其会话能力的同时满足角色约束。研究结果消息表明，我们的模型返回少量越界言论，在一般指标上保持竞争力。

    Apr, 2022

  • 借助大语言模型生成忠实的以人为基础的对话数据集

    通过建立 Generator-Critic 架构，使用 LLM 生成会话，借助 Synthetic-Persona-Chat 评估了高质量对话数据集对 NLP 模型的影响。

    Dec, 2023

  • 社交媒体语境下的对话模型建立方法

    本文介绍了一种通过模仿社交媒体上的非正式互动改善系统的原始会话能力的方法，并利用 Reddit 上的过滤评论数据作为 seq2seq 生成器的额外上下文，以提高开放域对话系统的能力。

    Jun, 2022

  • 构建智能开放领域对话系统的挑战

    本文回顾了近期关于神经网络方法在开放领域对话系统中解决语义、一致性和互动性挑战的工作，以实现与用户建立长期连结并满足人类沟通、情感和社会归属需求。

    May, 2019

  • 利用自然语言推断优化新领域内对话中的个人特征提取

    我们介绍了一种自然语言推理方法，用于事后将训练好的角色提取模型适应于新的场景，与现有的角色提取模型相比，我们的方法可以提供更高质量的角色提取结果，并需要较少的人工标注。

    Jan, 2024

  • 开放域对话数据集中的重叠问题的实证研究

    本文指出了流行的 DailyDialog 和 OpenSubtitles 等开放领域对话基准数据集中存在的重叠问题，分析其可能导致人为创造虚假性能结果。最后，通过对这些数据集的清理和建立适当的数据处理程序来解决这个问题，以供未来的研究使用。

    Jan, 2022

  • 自言自语：自对话作为对话代理的数据

    本文提出了一种新方法 —— 通过众包自对话方式高效地收集主题上的非结构化对话数据，并提供包含 23 个主题的 360 万词汇量的语料库，通过与其他语料库的比较证明了其实用性。

    Sep, 2018

  • 改进角色感知对话数据集的双重任务框架

    本文介绍了一种简单而有效的数据中心方法，用于改善个性化对话代理。通过利用针对两个任务的原始 - 对偶结构（预测对话响应和个人资料之间的联系），我们增强了相关人物角色，以改进对话数据集 / 代理，并修复了基准数据集的注释问题，其巨大地增加了模型的精度，体现在 Persona-Chat 上的实验中，我们的方法在准确性上比预训练 LM 高出 11.7 个百分点。

    Feb, 2022

  • ViGGO：一个用于开放域对话中的数据到文本生成的视频游戏语料库

    本文提出了一个新的、干净且适合用于开放领域对话系统的 7K 样本语料库，探索了视频游戏领域，从而更好地利用深度学习在自然语言生成方面的作用。

    Oct, 2019

  • Persona-Knowledge 对话多上下文检索和增强解码方法

    本文通过设计一种数据增强策略，运用神经问答检索模型，探讨了 Persona-Knowledge 的识别和响应生成任务，采用不同的解码技术进行对话生成，最终取得了 93.99% 的平均重合度和 23.62 分的 SacreBLEU 分数，成为当前 SOTA 的最佳实践。

    Jul, 2022