بهبود کیفیت عامل های محاور های با استفاده از شخصیت گوینده مبتنی بر شبکه های عصبی حافظه دا ر

اقبال عمومی جامعه پژوهشی به طراحی عامل های محاورهای، ابعاد جدیدی از مساله را آشکار ساخته است. تنوع منابع اطلاعاتی در روزگار حاضر، امکان بهره گیری موثر از این اطلاعات را در زمان تولید مکالمه به عنوان یک چالش جذاب مطرح کرده است. در این مسیر طراحی عامل محاورهای با توانایی استفاده از شخصیت گوینده در قالب زبان طبیعی، علاوه بر این که منجر به ساخت مکالمه دلپذیرتر و سازگارتر می شود، می تواند به عنوان قدم اولیه در استفاده از اطلاعات جانبی برای تولید مکالمه قلمداد گردد. مبنای پژوهش حاضر ایده استفاده از شبکه های عصبی حافظه دار در کاربرد عامل محاورهای، به منظور بهره گیری مطلوب تر از ویژگی های شخصیت و پیشینه مکالمه است. برای پیاده سازی این ایده ملزم بخش بندی نمونه ورودی با استفاده از نمادهای خاص و طراحی سازوکار مناسب برای عرضه ویژگی های شخصیتی به شبکه هستیم. حافظه جانبی مورد استفاده، علاوه بر اینکه از طریق ارتقاء توانایی شبکه در مدلسازی وابستگی های طولانی مدت، موجب استفاده موثرتر از پیشینه مکالمه می شود؛ شبکه را قادر به مدلسازی مطلوب تر مکالمه نیز می نماید. به گواه نتایج تجربی روش پیشنهادی توانسته است در مساله استفاده از ویژگی های شخصیت و پیشینه برای تولید مکالمه، عملکرد بهتری در مقایسه با پژوهش برتر در این زمینه ارائه دهد. این روش معیار میانگین بردارهای جاسازشده جمله را به میزان 4 درصد و معیار 4BLUE را به میزان 2 درصد روی مجموعه دادگان پرسوناچت 5 ارتقاء داده است. این روش قادر است ساخت مکالمه برپایه هرنوع اطلاعات جانبی را میسر سازد.

کلیدواژه ها:

شبکه عصبی حافظه دار ، عامل های محاورهای ، ربات های اجتماعی ، کامپیوتر مشتق پذیر عصبی ، پردازش زبان های طبیعی