曹 斌 柯显信 白姣姣

(上海大学机电工程与自动化学院 上海 200444)

0 引 言

随着数据时代发展，人们越来越关注利用大量真实的交流数据来训练对话模型，这些模型的一个主要问题是它们倾向于选择具有最大可能性的响应(训练数据中表示的人类的共识响应)，产生的回复通常是模糊的或不一致的[1]。Vinyals等[2]指出，当前的对话系统仍然无法通过图灵测试，在众多限制中，缺乏一致的个人信息是最具挑战性的困难之一，如表1所示。在人机交互的过程中，对话的部分内容会涉及到机器人的自身信息类问题[3]，如姓名、年龄、性别等。和谐自然的人机交流需要机器人对于涉及个人信息类问题的回复总是稳定的，不要出现前后不一致的现象。

表1 信息不一致的回复

近年来，Li等[4]以序列到序列模型为基础，通过Al-Rfou等[5]使用类似的用户嵌入技术来模拟用户个性化的工作，两项研究都需要每个用户的对话数据来模拟她/他的个性。Qian等[6]利用双向解码器来生成预先给定的个人信息，但是需要大量数据标注信息位置。

本文提出一种具有个人信息的对话模型，赋予聊天机器人特定个人信息(如表2所示)，并使聊天机器人能够生成与其给定信息一致的回复。

表2 预设五种个人信息

1 对话模型

对话模型如图1所示，任务描述如下：给出一个输入问题x,问题分类器D预测问题x是否属于个人信息问题：如果是，将问题转入个人信息回复模块，随机返回问题所属类别K的候选回复y作为模型回复；……