16. 16
Copyright (C) 2017 DeNA Co.,Ltd. All Rights Reserved.
関連研究: 発話者ごとに一貫性のある返答生成モデル
発話者ごとの個性表現ベクトル、返答生成モデル を同時に学習
各個性表現ベクトルに応じて返答が一貫して変化する
Li, J., Galley, et al. “A Persona-Based Neural Conversation Model.” In ACL 2016.
Speaker Model による返答生成Speaker Model (Li+ 2016)
ユーザ固有の背景情報・返答スタイル等の個性要素を
持ち一貫した返答生成を行う
17. 17
Copyright (C) 2017 DeNA Co.,Ltd. All Rights Reserved.
関連研究: 発話者ごとに一貫性のある返答生成モデル
発話者ごとの個性表現ベクトル、返答生成モデル を同時に学習
各個性表現ベクトルに応じて返答が一貫して変化する
Li, J., Galley, et al. “A Persona-Based Neural Conversation Model.” In ACL 2016.
Speaker Model による返答生成Speaker Model (Li+ 2016)
ユーザ固有の背景情報・返答スタイル等の個性要素を
持ち一貫した返答生成を行う
個性表現ベクトルの入れ替えによる一貫性の評価のみ実施
個性の追加反映や合成については調べられていない
18. 18
Copyright (C) 2017 DeNA Co.,Ltd. All Rights Reserved.
関連研究: 表現ベクトルの演算による生成
表現ベクトルの演算による
意味的な合成
Mikolov, T., et al. “Distributed
representations of words and
phrases and their
compositionality.” In NIPS 2013.
単語の意味表現:
差分ベクトルによる変換
Berlin
Germany
国⇒首都
変換ベクトル
France
Paris
表現ベクトル
空間
(Word2Vec)
19. 19
Copyright (C) 2017 DeNA Co.,Ltd. All Rights Reserved.
関連研究: 表現ベクトルの演算による生成
表現ベクトルの演算による
意味的な合成
Mikolov, T., et al. “Distributed
representations of words and
phrases and their
compositionality.” In NIPS 2013.
単語の意味表現:
差分ベクトルによる変換
画像生成:
画像表現ベクトル差分に要素追加
Berlin
Germany
France
Paris
入力画像
眼鏡なし
画像集合
眼鏡あり
画像集合
表現ベクトル
空間
表現ベクトル
空間 Generator
出力画像
(眼鏡追加)
眼鏡追加
変換ベクトル
Encoder
Larsen, A. B.
L., et al.
“Autoencoding
Beyond Pixels
Using a
Learned
Similarity
Metric”.
In ICML 2016.
(Word2Vec)
国⇒首都
変換ベクトル
35. 35
Copyright (C) 2017 DeNA Co.,Ltd. All Rights Reserved.
評価方法
3名の主観評価のFleiss’ Kappa 値
n 元の返答にユーザの個性が表れていると考え、返答の内容は変えずに目的の
個性が反映できる割合を評価する
n 3つの手法の出力結果を混ぜ、被験者3名に以下2つの観点で独立に
評価してもらい、多数決で評価を確定した
1. 内容保持: 返答内容が基本的には変わっていないか
2. 個性付与: 追加対象とした個性が反映されているか
n 評価データは、目的とする個性の追加反映後の返答が思い浮かぶ
<入力文, 返答者ID, 返答文>を人手で選出して作成した (次スライド)
n 開発データの生成例を見て個性の反映度合いのパラメタαを調整した
n Transformation : Kaomoji: 2.0, Kansai: 2.0, Aniki : 2.0
n Interpolation : Kaomoji: 0.75, Kansai: 0.75, Aniki : 0.5
n テストデータに対して返答文をビームサーチで生成し、Kaomoji, Kansai, Anikiで
それぞれ100例選出した
36. 36
Copyright (C) 2017 DeNA Co.,Ltd. All Rights Reserved.
評価用データ選出の依頼時に示した基準と実例
n Kaomoji: 返答文に顔文字がなければ問題なし
n OK: 行きたいよね
n OK: どうでしょう
n NG: おはようございます (*・ω・*)__)ペコリ
n NG: ありがとう (^ω^)
n Kansai: 語尾を変えたり、追加することで関西弁にできる返答文
n OK: あ、そうなんだ
n OK: 俺も好き
n NG: いらっしゃいませ
n NG: 今晩は!
n Aniki:「豪快!」「兄貴!」「姉御!」のように感じない返答文なら問題なし
n OK: だめ
n OK: 漢方薬だからw
n NG: みせてくれ!
n NG: そか!