摘要

本文介绍了一种名为LAPDOG的新型个性化对话生成模型，该模型通过利用外部知识（如故事数据）来增强角色对话生成。在当前个性化对话生成任务中，角色配置文件通常仅包含四到五个句子，这限制了生成对话的深度和个性化。LAPDOG模型通过一个故事检索器和一个对话生成器来解决这一问题，其中故事检索器从故事文档中检索相关信息以补充角色配置文件，对话生成器则利用对话历史和增强的角色配置文件生成个性化响应。实验结果表明，LAPDOG在CONVAI2数据集上显著优于基线模型，展示了其有效性。

原理

LAPDOG模型的工作原理基于两个主要组件：故事检索器和对话生成器。故事检索器使用角色配置文件作为查询，从外部故事文档中检索相关信息。这些信息随后被用作补充上下文，以增强角色配置文件。对话生成器则结合对话历史和增强后的角色配置文件来生成个性化响应。为了优化这一过程，LAPDOG采用了一个联合训练框架，其中故事检索器和对话生成器协同学习，检索器通过非可微分指标（如BLEU、F1和ROUGE-L）进行优化，以指导生成相关和多样化的个性化响应。

流程

LAPDOG的工作流程包括两个主要阶段。首先，模型通过监督训练初始化对话生成器，该生成器接受角色配置文件和对话上下文作为输入，并生成响应。随后，在第二阶段，模型开始调整检索器并学习检索增强，其中检索器的损失基于生成器输出与真实响应之间的评估指标计算。为了确保检索过程的多样性，模型设计了检索候选增强，以防止检索器陷入固定候选集。最后，模型通过结合生成器和检索器的损失进行联合训练，以进一步优化两者。

应用

LAPDOG模型的应用前景广泛，特别是在需要高度个性化和情境丰富对话的领域，如客户服务、社交平台和虚拟助手。通过利用外部知识增强对话生成，LAPDOG能够提供更加自然和个性化的交互体验，从而提高用户满意度和参与度。此外，该模型的开放源代码将进一步促进其在不同应用场景中的探索和实施。