[논문 리뷰] Neural Personalized Response Generation as Domain Adaptation

Weinan Zhang, Ting Liu외 2명|arXiv (Cornell University)|2017. 01. 09.

Topic Modeling참고 문헌 45인용 수 16

한 줄 요약

이 논문은 일반적인 순서-순서 모델을 대규모 대화 데이터에서 미리 훈련한 후 개인화된 데이터로 미세조정하여 개인의 말투를 포착하는 두 단계 신경 응답 생성 프레임워크를 제안한다. 초기화 단계와 적응 단계로 구성되며, 생성된 응답에서 상당한 어휘적·스타일적 이질성을 보이며, 개인화된 대화형 에이전트의 효과적인 도메인 적응을 보여준다.

ABSTRACT

In this paper, we focus on the personalized response generation for conversational systems. Based on the sequence to sequence learning, especially the encoder-decoder framework, we propose a two-phase approach, namely initialization then adaptation, to model the responding style of human and then generate personalized responses. For evaluation, we propose a novel human aided method to evaluate the performance of the personalized response generation models by online real-time conversation and offline human judgement. Moreover, the lexical divergence of the responses generated by the 5 personalized models indicates that the proposed two-phase approach achieves good results on modeling the responding style of human and generating personalized responses for the conversational systems.

연구 동기 및 목표

• 대화 시스템에서 개인화된 응답 생성의 부족을 해결하기 위해 개인의 말투를 모델링한다.
• 도메인 적응을 통해 일반적인 모델을 개인의 사용자 선호도에 맞게 적응시켜 응답 생성을 향상시킨다.
• 실시간 대화와 오프라인 인간 평가를 융합한 새로운 인간 보조 평가 방법을 개발하여 성격 모방 정도를 평가한다.
• 제안된 방법이 대화 생성에서 명백한 개인의 응답 스타일을 효과적으로 포착하고 재현함을 검증한다.

제안 방법

• 이 방법은 두 단계 훈련 체계를 사용한다: 먼저 대규모 일반 대화 데이터에서 순서-순서 모델을 미리 훈련한다(초기화), 그 후 소규모 개인화된 데이터로 미세조정한다(적응).
• 에코더-디코더 프레임워크는 입력 게시물을 맥락 벡터로 인코딩하고, 이를 응답 시퀀스로 디코딩하는 데 사용된다.
• 디코더는 에코더에서 생성된 맥락 벡터에 조건을 두고, 비선형 함수를 사용하여 단어별로 응답을 생성한다.
• 개인화는 사전 훈련된 모델을 개인 사용자 데이터로 미세조정하여 달성되며, 이로써 모델은 다양한 말투에 적응할 수 있다.
• 새로운 인간 보조 평가 프로토콜은 실시간 온라인 대화와 오프라인 인간 평가를 융합하여 성격 충실도를 평가한다.
• 어휘적 이질성과 단어 겹침 분석을 사용하여, 다양한 사용자 데이터로 훈련된 모델 간의 스타일적 차이를 정량적으로 평가한다.

실험 결과

연구 질문

• RQ1 순서-순서 모델이 응답 생성에서 개인의 말투를 효과적으로 학습하고 재현할 수 있는가?
• RQ2 초기화-이후 적응 접근법이 개인화된 응답 패턴을 포착하는 데 있어 표준 시퀀스-투-시퀀스 모델보다 어떻게 비교되는가?
• RQ3 모델이 특정 개인의 말투와 일치하는 것으로 인식되는 응답을 어느 정도 생성할 수 있는가?
• RQ4 제안된 인간 보조 평가 방법은 생성된 응답에서 성격 모방 정도를 측정하는 데 얼마나 효과적인가?

주요 결과

• 두 단계 접근법은 다섯 명의 다른 자원자에 대해 고유한 응답 스타일을 효과적으로 모델링하였으며, 생성된 응답에서 뚜렷한 어휘적 이질성이 확인되었다.
• 일반적인 사전 훈련 후 소규모 개인화된 데이터로의 미세조정을 통해 모델이 개인화된 성능을 향상시켰다.
• 온라인 실시간 대화와 오프라인 인간 평가를 모두 활용한 평가 결과, 모델이 대상 개인의 말투와 일치하는 것으로 인식되는 응답을 생성하는 것으로 확인되었다.
• 단어 겹침과 어휘 분포 분석 결과, 다섯 명의 개인화된 모델 각각이 고유한 어휘 패턴을 가진 응답을 생성함을 보여주며, 효과적인 스타일 모델링가 확인되었다.
• 초기화-이후 적응을 통한 도메인 적응이 모델이 맥락적이고 스타일적으로 적절한 응답을 생성하는 능력을 향상시킨다는 것이 결과적으로 확인되었다.
• 제안된 방법은 표준 시퀀스-투-시퀀스 모델보다 대화 생성에서 개인의 성격 특성을 더 효과적으로 포착하는 데 뛰어난 성능을 보였다.