训练神经对话模型的受控意见和知识渊博的电影讨论免费

资源介绍

众所周知，非目标对话的完全数据驱动的 Chatbots 在轮流中的行为不一致，这源于控制参数（如假定的背景个性和对事实的了解）的一般困难。原因之一是相对缺乏标记数据，从这些数据中可以学到个性一致性和事实用法以及对话行为。为了解决这个问题，我们在电影讨论领域引入了一个新的标记对话数据集，其中每个对话都基于预先指定的事实和意见。我们彻底验证了收集的对话，以便参与者遵守他们给出的事实和意见，并发现这方面的一般质量很高。此过程还为我们提供了额外的注释层，该注释可能对培训模型有用。我们作为基线引入基于此数据的端到端训练的自我关注解码器模型，并表明它能够生成有意见的反应，这些响应被判断为自然和知识渊博，并表现出专注。