《论文阅读》Multi-Task Learning of Generation and Classification for Emotion-Aware Dialogue Response Gener

出版： NAACL-HLT

时间：2021

类型：情感识别+回复生成

特点：多种情感粒度损失叠加+加权损失

作者：Tatsuya Ide and Daisuke Kawahara

第一作者机构：Waseda University

---

简介

为了让计算机自然地与人类交互，它需要像人类一样。在本文中，我们提出了一种神经反应生成模型，该模型具有生成和分类的多任务学习，侧重于情感。我们的模型基于 BART (Lewis et al., 2020)，一种预训练的 Transformer 编码器解码器模型，经过训练可以同时生成响应和识别情绪。此外，我们对任务的损失进行加权以控制参数的更新。自动评估和众包手动评估表明，所提出的模型使生成的响应更具情感意识。

模型构架

The input/output format of each task is the same as that in BART. In the generation task, we put an utterance and a right-shifted response into the encoder and decoder, respectively. In the classification task, we put an utterance and a right-shifted utterance into the encoder and decoder, respectively.