【论文标题】Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots 【作者团队】Juntao Li, Chang Liu, Chongyang Tao, Zhangming Chan, Dongyan Zhao, Min Zhang, Rui Yan 【发表时间】2020/03/17 【机 构】北大王选所 【论文链接】https://arxiv.org/abs/2103.09534

【推荐理由】 本文来自北大王选所，将用户特定的对话历史记录纳入响应选择中，并提出了个性化的混合匹配网络PHMN。 现有的多回合上下文响应匹配方法主要集中在获得多层次和多维表示以及上下文话语和响应之间的更好交互。但是，在实时对话场景中，响应候选者是否合适不仅取决于给定的对话上下文，还取决于其他背景，例如措辞习惯，特定于用户的对话历史内容。为了填补这些最新方法与实际应用之间的空白，我们将用户特定的对话历史记录纳入响应选择中，并提出了个性化的混合匹配网络（PHMN）。我们的贡献有两个方面：1）我们的模型从用户特定的对话历史中提取个性化的措辞行为，作为额外的匹配信息； 2）我们对上下文响应话语进行混合表示学习，并明确纳入定制的注意力机制，以从上下文响应交互中提取重要信息，从而提高匹配的准确性。我们在两个具有用户识别的大型数据集上评估我们的模型，即个性化的Ubuntu对话语料库（P-Ubuntu）和个性化的微博​​数据集（P-Weibo）。实验结果证实，通过结合个性化注意力，措辞行为和混合表示学习，我们的方法明显优于几种强大的模型。

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