Semantic Space Grounded Weighted Decoding for Multi-Attribute Controllable Dialogue Generation

要約

タイトル：Semantic Space Grounded Weighted Decoding for Multi-Attribute Controllable Dialogue Generation

要約：

– 多様な性格、感情、および対話行為などの多様な属性を持つチャットボットに対する発話生成を制御することは実用的ながら、あまり研究されていない問題です。
– 我々は、複数の属性に対して強力な制御性を備えた新しい生成フレームワーク、DASCを提案します。このフレームワークは、属性の意味空間のグラウンディングによって生成品質を向上させる重み付きデコーディングパラダイムを採用しています。
– 複数の属性での生成は、複数の属性埋め込みの補間を用いた直感的な実装で実現されています。実験の結果、DASCは3つの側面での制御可能な生成タスクにおいて最先端の制御精度を実現すると同時に、興味深く、合理的な反応を生成することができます。
– 属性意味空間で学習した有意義な表現の可視化も、その効果を支持しています。

要約(オリジナル)

Controlling chatbot utterance generation with multiple attributes such as personalities, emotions and dialogue acts is a practically useful but under-studied problem. We propose a novel controllable generation framework called DASC that possesses strong controllability with weighted decoding paradigm, while improving generation quality with the grounding in an attribute semantics space. Generation with multiple attributes is then intuitively implemented with an interpolation of multiple attribute embeddings. Experiments show that DASC can achieve state-of-the-art control accuracy in 3-aspect controllable generation tasks while also producing interesting and reasonably sensible responses, even if in an out-of-distribution robustness test. Visualization of the meaningful representations learned in the attribute semantic space also supports its effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI