《论文阅读》Emotional Chatting Machine: Emotional Conversation Generation with Internal and External Memor

论文类别：情感对话生成
对话轮次：单轮

本文带来Hao Zhou, Minlie Huang, Tianyang Zhang, Xiaoyan Zhu, Bing Liu共同创作的文章

---

问题提出

对话系统在情感方面

在此文之前也有关于情感的对话系统的研究，它们大都受到心理学的启发，但是仍有很多缺点，如其要么是基于规则的研究方法，要么受限于小规模的数据。

对话系统在开放领域

当然对话系统也有在大规模数据上训练的神经网络模型，但是大多数模型研究的目的是在于提升会话生成的内容质量，包括对话轮次、对话内容所含信息量的考量。

两者结合

基于以上研究，作者提出是否可以在神经网络模型结合情感因素来解决会话生成任务，由此ECM应运而生。

该问题面临的挑战

在大规模会话生成中处理情感因素方面存在的挑战：

1. 在大规模语料库中很难获得高质量的情感标注数据，因为情感标注是一项相当主观的任务，情感分类也是具有挑战性的。
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性和情绪的表达。
3. 简单地将情感信息嵌入现有的神经模型中，不能产生理想的情感回复，而只是生成难以感知的一般表达(仅包含关于情感的隐含或模棱两可