基于深度学习的个性化对话内容生成方法

王 豪，郭 斌，郝少阳，张秋韵，於志文

基于深度学习的个性化对话内容生成方法

王 豪，郭 斌，郝少阳，张秋韵，於志文

(西北工业大学计算机学院，陕西 西安 710072)

人机对话系统是人机交互领域一个非常重要的研究方向，开放域聊天机器人的研究受到了广泛关注。现有的聊天机器人主要存在3个方面的问题：①无法有效捕捉上下文情境信息，导致前后对话内容缺乏逻辑关联。②大部分不具备个性化特征，导致聊天过程千篇一律，且前后对话内容可发生矛盾。③倾向于生成“我不知道”、“对不起”等无意义的通用回复内容，极大降低用户的聊天兴趣。本研究中利用基于Transformer模型的编解码(Encoder-Decoder)结构分别构建了通用对话模型和个性化对话模型，通过编码历史对话内容和个性化特征信息，模型可以有效捕捉上下文情境信息以及个性化信息，实现多轮对话过程，且对话内容符合个性化特征。实验结果表明，基于Transformer的对话模型在困惑度(perplexity)和F1分数评价指标上相比于基线模型得到了一定的提升，人工评价显示模型可以正常进行多轮交互对话过程，生成内容多样性高，且符合给定的个性化特征。

深度学习；对话系统；聊天机器人；个性化；上下文感知

1 背景知识

人机对话系统是人机交互领域一个非常重要的研究方向，形式多样的对话系统正处于蓬勃发展阶段。文本生成，即自然语言生成，是实现对话系统的关键技术，可以利用各种不同类型的信息，如文本、图像等，自动生成流畅通顺、语义清晰的高质量自然语言文本。……