Facebook研究人員構(gòu)建了一個(gè)數(shù)據(jù)集來(lái)訓(xùn)練個(gè)性化對(duì)話(huà)代理

Facebook的研究人員最近編制了一個(gè)包含500萬(wàn)個(gè)人物角色和7億個(gè)基于人物角色的對(duì)話(huà)的數(shù)據(jù)集。該數(shù)據(jù)庫(kù)可用于訓(xùn)練端到端對(duì)話(huà)系統(tǒng)，從而在計(jì)算機(jī)代理和人類(lèi)之間產(chǎn)生更具吸引力和豐富的對(duì)話(huà)。

對(duì)話(huà)系統(tǒng)或會(huì)話(huà)代理(CA)是設(shè)計(jì)用于通過(guò)文本，語(yǔ)音，圖形或其他方法以連貫的方式與人類(lèi)通信的計(jì)算機(jī)系統(tǒng)。到目前為止，已經(jīng)發(fā)現(xiàn)基于神經(jīng)架構(gòu)的對(duì)話(huà)系統(tǒng)(例如LSTM或存儲(chǔ)器網(wǎng)絡(luò))在實(shí)現(xiàn)流暢的通信方面特別有前途，特別是在直接對(duì)話(huà)對(duì)話(huà)日志時(shí)。

“他們的主要優(yōu)勢(shì)之一是他們可以依靠現(xiàn)有對(duì)話(huà)的大型數(shù)據(jù)源來(lái)學(xué)習(xí)覆蓋各種領(lǐng)域而無(wú)需任何專(zhuān)業(yè)知識(shí)，”研究人員在他們的論文中寫(xiě)道，該論文已預(yù)先發(fā)布在arXiv上。“然而，另一方面，他們也表現(xiàn)出有限的參與度，特別是在閑聊環(huán)境中：他們?nèi)狈σ恢滦裕⑶也粫?huì)像(甚至部分)腳本聊天機(jī)器人那樣利用主動(dòng)參與策略。”

在最近的一項(xiàng)研究中，蒙特利爾學(xué)習(xí)算法研究所(MILA)和Facebook AI的另一組研究人員創(chuàng)建了一個(gè)名為PERSONA-CHAT 的數(shù)據(jù)集，其中包括與文本配置文件或人物角色相關(guān)聯(lián)的代理之間的對(duì)話(huà)。他們發(fā)現(xiàn)，針對(duì)特定角色培訓(xùn)對(duì)話(huà)系統(tǒng)可以提高他們對(duì)互動(dòng)的參與度。

“然而，PERSONA-CHAT數(shù)據(jù)集是使用基于Mechanical Turk的人工數(shù)據(jù)收集機(jī)制創(chuàng)建的，”研究人員在他們的論文中解釋道。“因此，對(duì)話(huà)框和人物角色都不能完全代表真實(shí)的用戶(hù) - 機(jī)器人交互，數(shù)據(jù)集覆蓋范圍仍然有限，包含超過(guò)1k個(gè)不同的角色。”

為了解決以前編譯的數(shù)據(jù)集的局限性，F(xiàn)acebook研究人員創(chuàng)建了一個(gè)新的，大規(guī)模的基于角色的對(duì)話(huà)數(shù)據(jù)集，由從在線(xiàn)平臺(tái)Reddit中提取的對(duì)話(huà)組成。他們的研究通過(guò)使用更具代表性的互動(dòng)，使他們的前輩的工作更進(jìn)一步。

“在本文中，我們使用以前從Reddit中提取的對(duì)話(huà)構(gòu)建了一個(gè)非常大規(guī)模的基于角色的對(duì)話(huà)數(shù)據(jù)集，”研究人員寫(xiě)道。“通過(guò)簡(jiǎn)單的啟發(fā)式方法，我們創(chuàng)建了一個(gè)超過(guò)500萬(wàn)個(gè)角色的語(yǔ)料庫(kù)，涵蓋超過(guò)7億個(gè)對(duì)話(huà)。”

為了評(píng)估其有效性，研究人員在他們新開(kāi)發(fā)的數(shù)據(jù)集上訓(xùn)練了基于人物的端對(duì)端對(duì)話(huà)系統(tǒng)。受過(guò)數(shù)據(jù)集培訓(xùn)的系統(tǒng)能夠進(jìn)行更具吸引力的對(duì)話(huà)，優(yōu)于其他在培訓(xùn)期間無(wú)法訪(fǎng)問(wèn)人物角色的會(huì)話(huà)代理。

有趣的是，他們的數(shù)據(jù)集導(dǎo)致了最先進(jìn)的結(jié)果，即使對(duì)話(huà)系統(tǒng)只是在其上進(jìn)行了預(yù)訓(xùn)練。將來(lái)，這些發(fā)現(xiàn)可能會(huì)導(dǎo)致更具吸引力的聊天機(jī)器人的發(fā)展，這些聊天機(jī)器人也可以個(gè)性化和訓(xùn)練以獲得特定的角色。

研究人員寫(xiě)道：“我們表明，訓(xùn)練模型可以將答案與作者的角色和背景相結(jié)合，從而提高預(yù)測(cè)性能。” “由于預(yù)訓(xùn)練可以帶來(lái)相當(dāng)大的性能提升，未來(lái)的工作可以為各種對(duì)話(huà)系統(tǒng)微調(diào)這個(gè)模型。”