Enhancing Self-Disclosure In Neural Dialog Models By Candidate Re-ranking

要約

ニューラル言語モデリングは、さまざまな下流の自然言語処理 (NLP) タスクにおいて最先端の技術を進歩させました。
そのような分野の 1 つはオープンドメイン ダイアログ モデリングであり、DialoGPT などの GPT-2 に基づくニューラル ダイアログ モデルは、シングル ターン会話で有望なパフォーマンスを示しています。
しかし、そのような（ニューラル）対話モデルは、以前の人間の反応と関連性があるかもしれないが、人間の興味をすぐに消失させ、つまらない会話に陥る傾向のある応答を生成するとして批判されています。
このようなパフォーマンスが得られる理由の 1 つは、人間とマシンの会話に明示的な会話戦略が採用されていないことです。
人間は会話中にさまざまな会話戦略を採用しますが、そのような重要な社会戦略の 1 つが自己開示 (SD) です。
自分に関する情報を他人に漏らす現象。
社会浸透理論 (SPT) は、主に自己開示を通じて関係が進むにつれて、2 人の間のコミュニケーションが浅いレベルから深いレベルに移行すると提案しています。
開示は、会話に参加している参加者の間に信頼関係を築くのに役立ちます。
この論文では、ニューラル対話モデルの推論段階で自己開示トピック モデル (SDTM) を利用して応答候補を再ランク付けし、応答候補からのシングルターン応答における自己開示を強化する自己開示強化アーキテクチャ (SDEA) を導入します。
モデル。

要約(オリジナル)

Neural language modelling has progressed the state-of-the-art in different downstream Natural Language Processing (NLP) tasks. One such area is of open-domain dialog modelling, neural dialog models based on GPT-2 such as DialoGPT have shown promising performance in single-turn conversation. However, such (neural) dialog models have been criticized for generating responses which although may have relevance to the previous human response, tend to quickly dissipate human interest and descend into trivial conversation. One reason for such performance is the lack of explicit conversation strategy being employed in human-machine conversation. Humans employ a range of conversation strategies while engaging in a conversation, one such key social strategies is Self-disclosure(SD). A phenomenon of revealing information about one-self to others. Social penetration theory (SPT) proposes that communication between two people moves from shallow to deeper levels as the relationship progresses primarily through self-disclosure. Disclosure helps in creating rapport among the participants engaged in a conversation. In this paper, Self-disclosure enhancement architecture (SDEA) is introduced utilizing Self-disclosure Topic Model (SDTM) during inference stage of a neural dialog model to re-rank response candidates to enhance self-disclosure in single-turn responses from from the model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google