总所周知,许多对话系统的回复都比较单调或中性,降低了对话体验。而且,情感智能是人工智能至关重要的一部分,它能够感知,识别,理解用户的情感,并依此调节自身情感,给出符合情绪的表达。
该篇论文设计了一个情绪化的对话生成模型。该模型应用于开放领域对话系统,可以将情绪信息引入到对话生成模型中,根据情绪类别生成相应回复语句。模型接受单轮的对话上文,即可生成基于不同情绪类别的对话下文(也可以增加输入指定的情绪类别生成相应的单一情绪的回复下文)。
该模型使用了三个不同的机制来分别处理大规模对话生成任务中的情绪。分别为:
1、emotion embed:通过嵌入情感类别来模拟情绪表达的高级抽象。
2、internal emotion memory:捕捉内部隐含情绪状态的改变。
3、external emotion memory:使用带有外部情感词汇的明确的情感表达。
一、引言
在处理大规模对话生成任务的情绪因素问题上,主要面临三个调整:
1、情绪标注是一个非常主观的任务,因此情感分类比较困难。
2、很难以自然和连贯的方式考虑情绪,因为我们需要平衡语法和情绪表达。
3、仅仅用现有的神经模型来嵌入情感信息,不仅无法得到理想的回复,而且难以察觉一般表达式中的情绪。因为有些句子中的情绪相当含蓄,模糊或隐藏的很深。
为了使句子中的情绪表达更自然和连贯,作者设计了一个sequence-to-sequence模型,该模型采用了用于情感表达生成的新机制:
1、动态平衡语法和情感的内部情绪状态
2、帮助产生更明确的情感表达的外部情感记忆
该模型特点:该模型是数据驱动的,不