综述了神经会话代理（也称为聊天机器人）中的个性特征，包括定义了个性、角色和档案，解释了在会话代理中已经使用的所有个性方案，并列出了使用该方案的模型；描述了在最近的会话代理个性研究中开发的 21 个数据集；定义了在会话代理中体现个性的方法，并回顾了最近使用这些方法的模型；调查了关于会话代理、个性和相关主题的一些相关综述；最后得出结论并确定了这一重要新兴领域的一些研究挑战。

Dec, 2023

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

研究旨在探索如何在会话系统中加入角色信息以提高响应生成的质量，并发现当前存在不足和挑战和未来的研究方向。

Dec, 2022

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

本文提出了一种使用多任务学习方法训练神经会话模型的方式来解决根据具体发言人训练缺乏数据、建立基于角色的会话代理的问题。实验证明该方法显著提高了基线模型的质量，生成更准确地捕捉发言者特征和讲话风格的响应，并且该方法算法简单易实现，不依赖于代表特定个体发言者的大量数据。

Oct, 2017

通过提出自进化个性化对话代理 (SPDO) 范式，本论文探索在对话过程中持续发展以更好地符合用户预期的代理，提出了在层次化水平上优化角色的新框架，实验结果表明，使用我们的框架逐步调整适应用户的角色能够持续提高个性化和整体对话性能。

Jun, 2024

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

本研究提出一种基于立场的人物形象表达方式，探讨不同的人物形象表达对于话语生成的影响，数据结果显示，这种表达方式可以更准确地把握作者立场的抽象和深刻的方面。

Oct, 2020

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

本文研究了对话系统的人格偏见，并分析了不同社会阶级、性取向、种族和性别的人物角色。研究者提出将对话系统的角色升级到拥有更多人文特征以更好的迎合用户的趋势可能会产生一些偏见。他们还介绍了一个开源框架 UnitPersonaBias，以探索和聚合对话系统中的人格偏见。此外，研究者还发现与不使用人格形象相比，采用人格形象可能会减少有害的回应。但是，人格选择会影响生成响应中危害程度，因此在实际应用前应该进行系统评估。

Apr, 2021