Mar, 2024

通过语义相似性进行情感支持对话生成的角色提取

PDF
TL;DR在今天的世界中，通过对话系统提供情感支持变得越来越重要，因为它可以在许多对话场景中支持心理健康和社交互动。以往的研究表明，使用角色扮演对生成共情和支持性回应是有效的。然而，大多数都依赖于事先提供的角色扮演，而不是在对话过程中推断出来。为了应对这一挑战，我们提出了一种新颖的框架 PESS（通过语义相似性进行人物角色提取）能够从对话中自动推断出丰富且一致的人物角色。我们设计了基于语义相似度得分的完整性损失和一致性损失。完整性损失鼓励模型生成缺失的人物角色信息，一致性损失指导模型区分一致和不一致的人物角色。我们的实验结果证明，PESS 推断出的高质量人物角色信息能够有效地生成情感支持性的回应。
emotional supportdialogue systemspersonapesssemantic similarity
发现论文，激发创造
  • 基于人物角色增强的情感支持会话生成

    本文提出了一个基于个人化的情感支持框架，结合了情感对话模型和基于策略的可控生成方法，可根据寻求者的个人信息提供个性化的情感支持，该框架实验结果表明 PAL 模型胜过其他基准模型。

    Dec, 2022

  • 面向基于个性化的共情式对话模型

    本文提出了一个新任务，即基于角色的移情对话，并首次对角色对移情反应的影响进行了实证研究。作者提供了一份新的大规模多领域数据集，使用高效的 CoBERT 模型进行回答选择，实验证明，当 CoBERT 模型基于移情对话训练时，角色更有助于提高移情反应，从而为人类对话中的角色和移情之间建立了经验证据。

    Apr, 2020

  • 面向人物的非结构化对话生成的神经主题扩展框架

    本文提出了一种神经主题扩展框架：Persona Exploration and Exploitation（PEE），通过利用主题模型，将预定义用户角色与现有的对话语料关联起来，以生成更具一致性的角色响应，使用 P-Match Loss 来提高编码器和解码器中的角色选择。实验结果表明，相比于现有的方法，该方法在自动和人工评估方面表现更好。

    Feb, 2020

  • 基于角色的神经对话模型

    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

  • 通过角色扩展来提高对话中的人格一致性

    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

  • 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

  • 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

  • 使用多编码器融合策略来改善个性化回复选择

    本文介绍一种基于 BERT 的个性化响应选择模型，融合对话者个性、情感和蕴含信息的交互关系，并在 Persona-Chat 数据集上进行表现测试，在 Top-1 准确率上跑出了 2.3% 以上的性能提升，取得了最新的最先进的性能。

    Aug, 2022

  • 通过相互人设感知实现的对话生成

    本文提出了基于 P^2 框架的机器人 P^2 Bot，该框架旨在显式地建立对话者间的理解模型。实验结果表明该框架在大型公共数据集 Persona-Chat 上取得了显著效果提升。

    Apr, 2020

  • 利用自然语言推理生成人物一致的对话

    利用自然语言推断技术探讨生成持续一致人格的对话，提出基于强化学习框架使用从响应 - 人格对得到的自然语言推断信号作为奖励来生成至关一致的对话，并通过对话者的关注机制编码器 - 解码器来生成基于人格的响应，使用对抗训练的自然度模块和基于自然语言推断的一致性模块来评估生成的响应的一致性，实验表明该方法优于强大的生成基线，特别是在生成响应的人格一致性方面。

    Nov, 2019