[EMNLP2023 Findings] Stylized Dialogue Generation with Feature-Guided Knowledge Augmentation

李金鹏和张泽楷关于风格化对话的论文《Stylized Dialogue Generation with Feature-Guided Knowledge Augmentation》被Findings of EMNLP 2023接收。
        风格化对话生成系统的目标是生成上下文连贯的对话，同时可以有效地模仿所需的风格。生成风格化对话具有很大地应用价值，但由于缺乏高质量地监督数据，导致该任务极具挑战性。现有方法通常通过反译法合成伪数据，由于对目标风格特征的指导不足，这种方法导致生成过程中的风格信号噪音多且与语境不符。为解决这一问题，我们提出了知识增强地风格化对话生成模型，并设计了一个特征引导的选择模块，该模块通过对比学习和风格响应KL散度联合优化。具体来说，我们从风格语料库中检索与当前对话相关的风格句子，提供显式地风格信号，并利用特征引导的选择模块进行信息筛选，通过这种方式可在语义和风格化两个层面上增强模型的生成能力。实验结果表明，我们的方法在两个公开的风格化对话基准数据集上表现出了令人满意的性能。