专栏首页arxiv.org翻译专栏情绪可控聊天机器人的研究(CS)
原创

情绪可控聊天机器人的研究(CS)

传统的seq2seq聊天机器人模型只在输入序列的条件下寻找概率最高的句子,而不考虑输出句子的情绪。本文以seq2seq模型为基础,研究了基于人物的模型、强化学习模型、即插即用模型和CycleGAN四种模型来调节聊天机器人的情绪响应。我们还开发了机器评估的度量来估计给定输入的响应是否合理。这些指标与人工评价一起用于从不同方面分析四种模型的性能。同时,强化学习和CycleGAN也被证明是非常富吸引力。

原文题目:Investigation of Sentiment Controllable Chatbot

原文:Conventional seq2seq chatbot models attempt only to find sentences with the highest probabilities conditioned on the input sequences, without considering the sentiment of the output sentences. In this paper, we investigate four models to scale or adjust the sentiment of the chatbot response: a persona-based model, reinforcement learning, a plug and play model, and CycleGAN, all based on the seq2seq model. We also develop machine-evaluated metrics to estimate whether the responses are reasonable given the input. These metrics, together with human evaluation, are used to analyze the performance of the four models in terms of different aspects; reinforcement learning and CycleGAN are shown to be very attractive.

原文作者:Hung-yi Lee, Cheng-Hao Ho, Chien-Fu Lin, Chiung-Chih Chang, Chih-Wei Lee, Yau-Shian Wang, Tsung-Yuan Hsu, Kuan-Yu Chen

原文链接:https://arxiv.org/abs/2007.07196

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 概率逻辑规划的映射推理(CS)

    译文:在概率逻辑程序设计(PLP)中,最常见的推理任务是计算给定程序的查询的边际概率。在本文中,我们考虑了PLP设置中的另外两个重要任务:最大后验(MAP)推理...

    N乳酸菌
  • 目标感知预测:学习建模的关键点(CS)

    在学习动态模型时结合规划和策略展示出能使人工智能在有限的监督下学习执行许多不同的任务的前景。然而,使用学习型正向动态模型的一个基本挑战是学习模型(未来状态重建)...

    N乳酸菌
  • 交互语义学理论(CS)

    本文的思想是通过一种依赖于信息交换的机制来描述。在离散系统间的交互中,使用协议对交换的字符冠以相同的命名。用交互形式(GIF)的游戏决策来补充不确定性协议,使其...

    N乳酸菌
  • Linux命令行基础

    AT&T公司于20世纪70年代发布了UNIX系统。经过多年的发展,Unix不再是某一个具体操作系统的名称,而是对遵循Unix规范、设计和哲学的一类操作系统的统称...

    雪飞鸿
  • 无需探索实时出价的最佳出价策略(CS.LG)

    在预算约束下使效用最大化是广告商在实时出价(RTB)系统中的主要目标。使效用最大化的策略称为最佳出价策略。较早的最优竞标策略研究采用了基于模型的批量强化学习方法...

    蔡小雪7100294
  • 理解CheckPoint及其在Tensorflow & Keras & Pytorch中的使用

    Checkpointing Tutorial for TensorFlow, Keras, and PyTorch

    于小勇
  • 通过对抗式自动编码器创造出一种具有风格意识的符号音乐的潜在空间(CS SD)

    我们解决了生成音乐建模中符号音乐数据有效潜空间的学习这一具有挑战性的开放问题。我们的重点是利用对抗性规则作为一种灵活和自然的手段,将与音乐类型和风格相关的上下文...

    用户6853689
  • Web前端学习(打卡机)

    在补齐了Java后端的短板之后,我准备补补前端的课。这篇文章可以作为我前端学习的过程记录(打开机)。

    阿杜
  • 什么是SAP物料主数据里的Batch

    Materials are produced and theoretically have the same properties. Nevertheless ...

    Jerry Wang
  • 如何启用SAP Business by design里的Correction Invoice功能

    Subject: [Tip] How to enable the function Correction Invoice for customer invoic...

    Jerry Wang

扫码关注云+社区

领取腾讯云代金券