本文介绍了如何让聊天机器人具备个性，通过预设身份档案并在问答中保持一致。模型包括Profile Detector、Bidirectional Decoder和Position Detector三个模块，提升了机器人回答的连贯性和身份特征。损失函数由生成答复的L1损失和profile detector预测的L2损失组成。
本文结构：
- 模型效果
- 模型的三个模块
- 模块细节
今天的论文是 《Assigning Personality/Identity to a Chatting Machine for Coherent Conversation Generation》
https://arxiv.org/pdf/1706.02861.pdf
当我们在和聊天机器人互动时，最开始往往很好奇的就是对方到底是人还是机器人呢，所以会问到一些关于对方身份的问题，这对于机器人能否通过图灵测试还是很重要的问题之一。
这篇论文提前预设好机器人的身份档案，并且做到在相关的问答中做到与设置的一致，就可以让机器人在回答时能够有一定的身份特征。和其他的区别是不用从对话中慢慢学习出个性。
模型效果：
假设机器人的预设档案为：
本论文的模型与普通的 seq2seq 效果比较为：
最低0.47元/天 解锁文章
扫一扫
4379
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
