Reply with Sticker: New Dataset and Model for Sticker Retrieval

在社交媒体平台上，使用表情贴纸进行在线聊天非常普遍，这些贴纸可以生动、巧妙、直观地表达某人的意图、情感和态度。现有的贴纸检索研究通常是基于上下文和用户当前发出的话语来检索贴纸。也就是说，贴纸作为当前话语的补充。然而，在现实世界的情况下，使用贴纸来表达我们想要表达的东西而不仅仅是作为我们话语的补充也很重要。因此，在本文中，我们创建了一个新的贴纸检索数据集，称为“StickerInt”，其中贴纸用于回复以前的对话或补充我们的话语。基于创建的数据集，我们提出了一个简单而有效的对话贴纸检索框架，基于意图学习和对话上下文与贴纸之间的跨模态关系，称为“Int-RA”。具体而言，我们首先设计了一个知识增强的意图预测器，将意图信息引入对话表示中。随后，我们设计了一个关系感知的贴纸选择器，通过跨模态关系检索响应贴纸。对创建的数据集进行的大量实验表明，所提出的模型在贴纸检索方面实现了最先进的性能。

本文旨在解决在线聊天中表情包检索的问题，提出了一种新的数据集和框架。该框架不仅考虑表情包作为当前发言的补充，还考虑表情包作为回复先前对话的方式。

该论文提出了一种基于意图学习和跨模态关系的表情包检索框架Int-RA。首先，使用知识增强意图预测器将意图信息引入对话表示中。然后，设计了一个关系感知的表情包选择器，通过跨模态关系检索响应表情包。

该论文创造了一个新的数据集StickerInt，并提出了一种新的框架Int-RA。实验结果表明，该框架在表情包检索方面取得了最先进的性能。此外，作者还公开了数据集和源代码，为该领域的研究提供了便利。

在相关研究方面，目前已经有一些研究探讨了表情包检索的问题，如基于上下文的表情包检索和基于图像的表情包检索等。