현재의 대화 시스템은 사용자를 매료시키는 데 실패하고 있으며, 특히 사전 정의된 재참여 스크립트 전략에 의존하지 않고 엔드 투 엔드로 훈련할 때 그렇습니다. Zhang et al. (2018)은 일부 개인화된 배경 이야기를 제공하는 텍스트 페르소나에 따라 엔드 투 엔드 대화 모델의 참여 수준이 증가한다는 것을 보여주었습니다. 그러나 Zhang et al. (2018)에서 사용된 데이터셋은 합성이며 약 1천 개의 다양한 페르소나만 포함되어 있습니다. 이 논문에서는 500만 개의 페르소나와 7억 개의 페르소나 기반 대화를 제공하는 새로운 데이터셋을 소개합니다. 우리의 실험에서는 이 규모에서 페르소나를 사용한 훈련이 여전히 엔드 투 엔드 시스템의 성능을 향상시킨다는 것을 보여주었습니다. 또한 Zhang et al. (2018)의 데이터에서 모델을 미세 조정하여 다른 작업이 우리의 데이터셋의 광범위한 적용으로부터 이익을 본다는 것을 보여주며 최첨단 결과를 달성했습니다.
Mazaré et al. (Mon,)는 이 질문을 연구했습니다.