【WWW2021】合作记忆网络的个性化任务导向对话系统

人们对开发个性化的任务导向对话系统(TDSs)越来越感兴趣。以前关于个性化TDSs的工作通常假设大多数甚至所有用户都可以使用完整的用户档案。这是不现实的，因为(1)不是每个人都愿意暴露他们的个人资料，出于隐私的考虑;(2)丰富的用户简介可能涉及大量的属性(例如，性别、年龄、品味……)。在本文中，我们在不假设用户档案是完整的情况下研究个性化的TDSs。我们提出了一种合作记忆网络(CoMemNN)，该网络具有一种新颖的机制，可以随着对话进程逐步丰富用户特征，同时在丰富的用户特征基础上改进响应选择。CoMemNN由两个核心模块组成:用户档案文件丰富(UPE)和对话响应选择(DRS)。前者通过利用来自邻居用户和当前对话的协作信息来丰富不完整的用户档案文件。后者使用丰富的档案文件来更新当前用户查询，以便编码更有用的信息，并根据这些信息选择对用户请求的个性化响应。我们在个性化的bAbI对话基准数据集上进行了大量的实验。我们发现，CoMemNN能够有效地丰富用户档案文件，与最先进的方法相比，响应选择的准确性提高了3.06%。通过随机丢弃用户档案文件中的属性值，我们还测试了CoMemNN对用户档案文件不完整的鲁棒性。即使在丢弃50%的属性值时，CoMemNN也能够在不丢弃用户档案文件的情况下匹配最佳性能基线的性能，显示了CoMemNN的鲁棒性。

https://www.zhuanzhi.ai/paper/faae0f0909170af3a86309c373b23210