Multi-party dialogue generation based on interpersonal relationship-aware persona retrieval

다국어 초록 (Multilingual Abstract)

Interpersonal relationships between speakers play an important role in multi-party dialogue. The relationship between the responder and the addressee can significantly influence the topics, communication styles, and speaker's persona in response. However, previous works don't consider the importance of relationships between speakers.
To address this, we propose MIRROR (Multi-party dialogue generation based on Interpersonal Relationship-awaRe persOna Retrieval). First, We model the dialogue structure and interpersonal relationships by inferring discourse relations and extracting interpersonal dimensions from each utterance. Then, we integrate each information into heterogeneous graphs. Second, we retrieve the personas of the responder and the addressee which are relevant to the interpersonal relationship and dialogue history.
Experiments on two datasets, Multilight and HLA-Chat++, show that our method outperforms the baselines and effectively improves persona consistency and relationship appropriateness in generated responses.

국문 초록 (Abstract)

대인 관계는 다양한 상황에서 사람들과 상호 작용하는 방법을 결정함으로써 의사소통에 중요한 역할을 한다. 다양한 대인 관계가 존재하는 다자간 대화의 응답 생성을 위해서는 대화 맥락뿐만 아니라 여러 화자 간의 관계에 대한 이해가 필요하다. 화자와 수신자 간의 관계에 따라 각 발화에 나타나는 대화 내용이나 커뮤니케이션 스타일이 달라지며, 또한 대화에서 드러나는 화자의 페르소나는 이러한 관계에 따라 영향을 받는다.
본 논문에서는 대인 관계 인식 페르소나 검색 기반의 다자간 개인화 대화 생성 프레임워크(MIRROR)를 제안한다. 대화에 등장하는 화자 간의 대인 관계와 커뮤니케이션 스타일에 초점을 맞춰 화자간의 관계를 표현한다. 이를 위해 첫째, 대화의 담화 관계를 예측하고 대화 그래프를 구축하고, 둘째, 각 발화의 대인 관계 차원을 추출하고 대화의 대인 관계 차원 변화를 반영하기 위해 시간 인식 가중치를 적용한 그래프 인코더로 화자 관계 그래프를 구축한다. 그런 다음 화자와 수신자의 대인 관계와 관련된 페르소나를 유사도기반으로 검색하며, 화자의 대한 페르소나 일관성을 보장하기 위해 대화에서 화자의 페르소나를 표현하는 패턴을 식별한다.
Multilihgt와 HLA-Chat++라는 두 가지 데이터 세트에 대한 실험 결과, 본 논문에서 제안한 방법이 기존 모델보다 성능이 뛰어나고 생성된 응답에서 페르소나의 일관성을 효과적으로 개선하는 것을 보여준다.

목차 (Table of Contents)

• Abstract vi
• 1 Introduction 1
• 2 Related Work 5
• 2.1 Persona based Multi-party Dialogue Generation 5
• 2.2 Interpersonal Relationship in Dialogue 6
• 3 Problem Definition 7
• 4 Method 8
• 4.1 Dialogue Structure Modeling 8
• 4.1.1 Discourse Relation Prediction 9
• 4.1.2 Dialogue Graph Construction and Encoding 12
• 4.2 Interpersonal Relationship Modeling 13
• 4.2.1 Interpersonal Dimension Extraction 13
• 4.2.2 Speaker Relationship graph 14
• 4.2.3 Time-aware Graph Encoding 15
• 4.3 Interpersonal Relationship-aware Persona Selection 16
• 4.4 Response Generation 18
• 5 Experiments 20
• 5.1 Dataset 20
• 5.2 Baselines 21
• 5.3 Metrics 22
• 5.3.1 Automatic Evaluation 22
• 5.3.2 Human Evaluation 22
• 5.4 Experimental Result 23
• 5.4.1 Automatic Evaluation 23
• 5.4.2 Human Evaluation 24
• 5.5 Analysis 25
• 5.5.1 Ablation Study 25
• 5.5.2 Case Study 26
• 5.5.3 Interpersonal relationship of Response 28
• 6 Conclusions and Limitation 30
• References 32
• Appendix 39
• 국문요약 49