基于深度学习的个性化对话内容生成方法

摘要：

人机对话系统是人机交互领域一个非常重要的研究方向,开放域聊天机器人的研究受到了广泛关注.现有的聊天机器人主要存在3个方面的问题:①无法有效捕捉上下文情境信息,导致前后对话内容缺乏逻辑关联.②大部分不具备个性化特征,导致聊天过程千篇一律,且前后对话内容可发生矛盾.③倾向于生成"我不知道"、"对不起"等无意义的通用回复内容,极大降低用户的聊天兴趣.本研究中利用基于Transformer模型的编解码(Encoder-Decoder)结构分别构建了通用对话模型和个性化对话模型,通过编码历史对话内容和个性化特征信息,模型可以有效捕捉上下文情境信息以及个性化信息,实现多轮对话过程,且对话内容符合个性化特征.实验结果表明,基于Transformer的对话模型在困惑度(perplexity)和F1分数评价指标上相比于基线模型得到了一定的提升,人工评价显示模型可以正常进行多轮交互对话过程,生成内容多样性高,且符合给定的个性化特征.

关键词：深度学习、对话系统、聊天机器人、个性化、上下文感知

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金项目

在线出版日期：2020-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：210-216