《论文阅读》Affect-LM: A Neural Language Model for Customizable Affective Text Generation
期刊:ACL2017
类型:情感对话
特点:通过情感词汇+情感强度来生成不同程度的情感回复
本文带来Sayan Ghosh、Mathieu Chollet、 Eugene Laksana、Louis-Philippe Morency和Stefan Scherer共同创作的文章
简介
人类的言语交际包括情感信息,它是通过使用带有情感色彩的词语来传达的。在这方面已经有了很多研究,但如何将最先进的神经语言模型与情感信息相结合仍然是一个有待探索的领域。在本文中,我们将其扩展到LSTM (Long - term - Memory)语言模型,在情感类别为条件的基础上生成会话文本。我们提出的模型,Affect-LM能够让我们通过附加的设计参数来定制生成句子中情感内容的程度。使用Amazon Mechanical Turk进行的感知研究表明,AffectLM在不牺牲语法正确性的情况下生成了看起来自然的情感句子。Affect-LM还学习情感辨析词表征,困惑度实验表明,会话文本中附加的情感信息可以提高语言模型的预测能力。
论文试图解决什么问题?
- 截止到作者写论文之前,仍没有利用情感信息来构建文本的神经语言模型,基于语言理解的深度学习集中于词义、句义的表征&#