【论文标题】Infusing Multi-Source Knowledge with Heterogeneous Graph Neural Network for Emotional Conversation Generation 【作者团队】Yunlong Liang, Fandong Meng, Ying Zhang, Jinan Xu, Yufeng Chen, Jie Zhou 【发表时间】2020/12/09 【论文链接】https://arxiv.org/abs/2012.04882

【推荐理由】 本文发表于AAAI 2021，目前对话历史，面部表情和说话人的个性的情感流多种类型的信息在情感对话领域没有得到充分利用，为了解决这个问题，作者提出了一种基于异构图的情感对话生成模型。 情感对话系统的成功取决于对情感的充分理解和适当表达。在现实世界中的对话中，我们首先是本能地从多种来源的信息中感知情感，包括对话历史，面部表情和说话人的个性的情感流，然后根据我们的个性表达适当的情感，但是这些多种类型的信息在情感对话领域没有得到充分利用。为了解决这个问题，作者提出了一种基于异构图的情感对话生成模型。具体而言，作者设计了一种基于异质图的编码器，以使用异质图神经网络表示对话内容（即对话历史，其情感流，面部表情和说话人的个性），然后预测合适的情感进行反馈。之后，作者采用情绪个性识别解码器，不仅生成与对话上下文相关的响应，而且还以适当的情感生成响应，方法是将编码的图形表示，编码器的预测情感和当前说话者的个性作为输入。实验结果表明，本文的模型可以有效地从多来源的知识中感知情绪并产生令人满意的响应，这大大优于以前的最新模型

内容中包含的图片若涉及版权问题，请及时与我们联系删除