[论文解读] Towards Automated Generation of Scripted Dialogue: Some Time-Honoured Strategies

Paul Piwek, Kees van Deemter|ArXiv.org|Dec 22, 2003

Speech and dialogue systems参考文献 15被引用 11

一句话总结

本文提出了一种自动化生成剧本化对话的框架，通过识别并应用人类创作和自然对话中长期使用的会话策略（如确认子对话和信息重复），提升信息保留率与对话的真实性，从而实现更有效、更具吸引力的剧本化对话。该框架采用结构化、作者可控的生成方式，在独白式与对话式层次之间实现平衡。

ABSTRACT

The main aim of this paper is to introduce automated generation of scripted dialogue as a worthwhile topic of investigation. In particular the fact that scripted dialogue involves two layers of communication, i.e., uni-directional communication between the author and the audience of a scripted dialogue and bi-directional pretended communication between the characters featuring in the dialogue, is argued to raise some interesting issues. Our hope is that the combined study of the two layers will forge links between research in text generation and dialogue processing. The paper presents a first attempt at creating such links by studying three types of strategies for the automated generation of scripted dialogue. The strategies are derived from examples of human-authored and naturally occurring dialogue.

研究动机与目标

• 将自动化剧本化对话生成确立为文本生成与对话处理交叉领域的可行研究方向。
• 从人类创作和自然发生的对话中识别并形式化可重复使用的会话策略，以支持自动化生成。
• 解决双层沟通挑战：单向的作者到受众沟通，以及基于预设的双向角色互动。
• 证明剧本化对话生成在全局对话属性（如轮次控制、强调）方面相比自主对话具有更强的控制力。
• 通过提出可泛化、可重用的策略，为未来以作者为中心的对话生成研究奠定基础。

提出的方法

• 作者分析人类创作和自然发生的对话，提取出如确认子对话和信息重复等重复出现的会话策略。
• 将这些策略形式化为一组可重用的生成技术，包括使用确认子对话来强化关键信息。
• 该方法采用双层模型：一层用于作者预设的信息流（独白式），另一层用于角色之间模拟的互动（对话式）。
• 生成场景描述作为抽象表示，随后由多模态自然语言生成器、语音合成和动作分配组件处理。
• 最终输出通过媒体播放器呈现，借助具身对话代理将对话呈现给用户。
• 通过在汽车演示对话中的案例研究验证该方法，其中关键事实通过多个确认子对话重复，以增强记忆保留。

实验结果

研究问题

• RQ1 哪些来自人类创作和自然发生的对话中的会话策略可系统性地应用于自动化剧本化对话生成？
• RQ2 如何在自动化对话生成中有效建模双层沟通结构——作者到受众与角色间互动？
• RQ3 结构化重复与确认子对话在剧本化对话中如何改善信息保留？
• RQ4 与实时自主对话生成相比，作者控制的剧本化对话生成在控制力与连贯性方面有何优势？
• RQ5 可以从自然对话模式中提取出哪些通用且可重用的策略，以支持可扩展的自动化对话创作？

主要发现

• 确认子对话的使用显著提升了信息保留率，如在单次对话交互中三次重复关键事实（180mph）。
• 在多个轮次中重复关键信息（如B与S之间的对话交互）有效强化了信息传递，提升了受众理解力。
• 剧本化对话生成允许对对话结构进行全局控制，如轮次模式与强调方式，这在实时自主对话系统中难以实现。
• 通过将历史悠久的会话模式嵌入生成过程，该方法使对话更丰富、更自然，提升了感知真实性。
• 该框架成功整合了文本生成、语音合成与动作分配，展示了具身对话代理端到端流水线的可行性。
• 该方法为完全自主对话系统提供了可行替代方案，尤其适用于对实时适应性要求不高但对连贯性与重点强调至关重要的应用场景。