EMNLPOct, 2023

MIRACLE：基于潜空间多个个人属性控制的个性化对话生成

PDF
TL;DR个性化对话系统通过多个个人属性的控制在潜在空间的能量模型中提出了新的个性化对话生成方法，实验证明该方法在个性可控性和响应生成质量方面优于其他基线模型。
personalized dialogue systemsdialogue generationuser profilescontrollable responsespersonality sparsity
发现论文，激发创造
  • 具有隐式用户人设检测的个性化对话生成器

    提出了一种基于用户人格检测的个性化对话生成器，该方法使用条件变分推理建立用户潜在人格模型并利用后验鉴别正则化提高训练效果，在实证研究中实现比现有技术更高的对用户人格关注和提升了对话品质的效果。

    Apr, 2022

  • 基于语义空间的加权解码多属性可控对话生成

    通过一种新型的 DASC 生成框架并在属性语义空间上增加基础，即在多个属性之间进行插值，使用加权解码范例实现了多维度生成，实验表明，在 3 个方面的可控生成任务中，DASC 可以实现最先进的控制精度，同时产生有趣和合理的响应。

    May, 2023

  • 大规模多参与者生成对话建模

    本文提出了一种新的对话代理模型 ——Generative Conversation Control，它能够控制对话代理的个性，并通过控制该模型上一次与目标演员的对话，实现对话代理个性的表达，该模型在 Reddit 评论数据上进行了验证和评估，其效果得到了显著提高。

    May, 2020

  • 控制生成文本的发展

    本文旨在通过学习简化的语义分离潜在表示来生成和控制自然语言句子，同时通过变分自编码器和全局属性判别器的组合来建立新的神经生成模型。该模型具有可解释性和高效性，可以生成符合要求的具有各种属性的句子。量化评估验证了该模型的生成准确性。

    Mar, 2017

  • 使用对比潜在变量增强个性化对话生成：结合稀疏和稠密人物角色

    本研究通过使用对比潜变量模型来将浓缩的用户描述信息聚类到稀疏的分类中，并与对话历史查询相结合，以生成更具个性化的响应。实验结果表明，该模型在个性化方面的优势在中英文数据集上都得到了证实。

    May, 2023

  • 多方面可控文本生成与解耦式反事实增强

    提出了一种新的多方面可控文本生成方法 MAGIC，通过解耦反事实特征向量（在属性潜在空间中）缓解了训练过程中不平衡属性相关性的问题，并通过目标导向的反事实增强在推理过程中增强了属性相关性，实验证明 MAGIC 在不平衡和平衡属性相关性的场景中优于现有的方法。

    May, 2024

  • 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

  • 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

  • PersonalityChat: 基于事实和特征的个性化对话建模的会话提炼

    本文利用大型语言模型（LLM）通过个性化对话生成，基于个人特点和人格特质创建了一个合成对话数据集，从而证明了个性化对话模型和与 PersonaChat 相比的表现优势。

    Jan, 2024

  • 一种基于条件变分框架的对话生成模型

    提出了一种框架，基于特定属性实现条件式回应生成，应用于两种不同的情景，结果表明模型在生成符合指定属性的响应方面具有潜力。

    Apr, 2017