Information for Conversation Generation: Proposals Utilising Knowledge Graphs

要約

LLM は、会話生成に頻繁に使用されるツールです。
追加情報がないと、LLM は、関連する内容や幻覚が欠如していること、感情的能力が低いと認識していること、一貫した性格を維持できないことなどにより、低品質の応答を生成する可能性があります。
ナレッジ グラフは外部知識の一般的に使用される形式であり、これらの課題に対する解決策を提供する可能性があります。
この文書では、ナレッジ グラフを利用して LLM 生成を強化する 3 つの提案を紹介します。
まず、動的なナレッジ グラフの埋め込みと推奨により、新しい情報の統合と、応答生成のための関連知識の選択が可能になります。
第 2 に、追加の特徴として感情的価値を持つエンティティを保存すると、ユーザー入力とより感情的に一致する知識が提供される可能性があります。
第三に、物語の吹き出しを通じてキャラクター情報を統合すると、キャラクターの一貫性が維持され、新しい情報を容易に組み込める構造が導入されます。

要約(オリジナル)

LLMs are frequently used tools for conversational generation. Without additional information LLMs can generate lower quality responses due to lacking relevant content and hallucinations, as well as the perception of poor emotional capability, and an inability to maintain a consistent character. Knowledge graphs are commonly used forms of external knowledge and may provide solutions to these challenges. This paper introduces three proposals, utilizing knowledge graphs to enhance LLM generation. Firstly, dynamic knowledge graph embeddings and recommendation could allow for the integration of new information and the selection of relevant knowledge for response generation. Secondly, storing entities with emotional values as additional features may provide knowledge that is better emotionally aligned with the user input. Thirdly, integrating character information through narrative bubbles would maintain character consistency, as well as introducing a structure that would readily incorporate new information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google