小説対話システムDeep EVEにおけるLSTMを用いたキャラクタ性のある応答文生成

• Item type: Journal(1)
• 公開日: 2019-03-15
• タイトル: 小説対話システムDeep EVEにおけるLSTMを用いたキャラクタ性のある応答文生成
• タイトル / 言語: en
• タイトル: Response Generation in a Dialogue System Deep EVE Using LSTM
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] 対話システム，対話モデル，機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 青山学院大学院理工学研究科
• 著者所属: 青山学院大学理工学部情報テクノロジー学科
• 著者所属: 青山学院大学理工学部情報テクノロジー学科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Aoyama Gakuin University
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Engineering, Department of Integrated Information Technology, Aoyama Gakuin University
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Engineering, Department of Integrated Information Technology, Aoyama Gakuin University
• 著者名: 小倉, 拓人; 谷津, 元樹; 原田, 実
• 著者名(英): Takuto, Ogura; Motoki, Yatsu; Minoru, Harada
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，ユーザが指定した小説中の登場人物との自然言語による雑談対話を実現する対話システムDeep EVEの開発を行った．提案システムでは，青空文庫から取得した小説作品から発話応答の対を抽出しその発話の発話者を意味解析結果に基づきルールベースで推定することで，発話者情報付きの対話データを自動構築した．この対話データを用いて発話者情報を考慮した対話モデルの学習を行い，ユーザの入力に対し指定された小説作品中の登場人物のキャラクタ性を反映した応答文を生成するSeq2Seqモデルを構築した．応答文の自然さや登場らしさについて，主観的評価実験を行った結果，提案システムでは従来システムと比較して，より自然でキャラクタ性を反映した応答を生成できることが示唆された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We developed a dialogue system Deep EVE which responds like a novel character. Consistency of dialogue agent's persona (talking style, background, knowledge and language behavior, etc.) is important to improve the user satisfaction in non-task-oriented dialogue. Deep EVE first constructs a dialogue dataset considering speaker name by semantically analyzing novels data. Using this dialogue data, we constructed a Seq2Seq model that considers speakers. This model generates a response considering the speaker's persona vector into which speaker information is embedded. The results of subjective evaluation showed that Deep EVE generates better response reflecting characters' personas, and that the naturalness of the response was improved by 20% compared to the conventional system EVE2014.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 60, 号 3, p. 967-975, 発行日 2019-03-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764