Ein Persona-basiertes neuronales Gesprächsmodell

Wir präsentieren persona-basierte Modelle zur Behandlung des Problems der Sprecherkonsistenz bei der neuronalen Antwortgenerierung. Ein Sprecher-Modell kodiert Personas in verteilten Einbettungen, die individuelle Merkmale wie Hintergrundinformationen und Sprechstil erfassen. Ein dyadisches Sprecher-Adressat-Modell erfasst Eigenschaften der Interaktionen zwischen zwei Gesprächspartnern. Unsere Modelle zeigen qualitative Leistungsverbesserungen sowohl in der Perplexität als auch in den BLEU-Werten im Vergleich zu Basis-Sequenz-zu-Sequenz-Modellen, mit ähnlichen Verbesserungen der Sprecherkonsistenz, wie von menschlichen Richtern gemessen.