RECAP: Retrieval-Enhanced Context-Aware Prefix Encoder for Personalized Dialogue Response Generation

要約

チャットボットに一貫したペルソナを与えることは、魅力的な会話に不可欠ですが、未解決の課題のままです。
この研究では、パーソナライズされた応答生成のための検索を強化した新しいアプローチを提案します。
具体的には、パーソナライズされた検索を実行するために対話ドメイン データでトレーニングされた階層型トランストリーバーと、取得した情報をより効果的にデコーダーに融合するコンテキスト認識型プレフィックス エンコーダーを設計します。
現実世界のデータセットに対する広範な実験により、より流暢でパーソナライズされた応答を生成する際のモデルの有効性が実証されました。
私たちは人間と自動の一連の指標の下でモデルのパフォーマンスを定量的に評価し、英語の Reddit での会話における最先端のベースラインと比較して優れていることを確認しました。

要約(オリジナル)

Endowing chatbots with a consistent persona is essential to an engaging conversation, yet it remains an unresolved challenge. In this work, we propose a new retrieval-enhanced approach for personalized response generation. Specifically, we design a hierarchical transformer retriever trained on dialogue domain data to perform personalized retrieval and a context-aware prefix encoder that fuses the retrieved information to the decoder more effectively. Extensive experiments on a real-world dataset demonstrate the effectiveness of our model at generating more fluent and personalized responses. We quantitatively evaluate our model’s performance under a suite of human and automatic metrics and find it to be superior compared to state-of-the-art baselines on English Reddit conversations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google