محققان فیس بوک اخیراً مجموعه ای از 5 میلیون نفر و 700 میلیون گفتگوی مبتنی بر شخصیت را گردآوری کرده اند. این پایگاه داده می تواند برای آموزش سیستم های گفتگو پایان به پایان مورد استفاده قرار گیرد ، و در نتیجه دیالوگ های جذاب تر و غنی تری بین عوامل رایانه ای و انسان ها به وجود می آید.

سیستم های گفت و گو ، یا عوامل مکالمه (CA) ، سیستم های رایانه ای هستند که برای برقراری ارتباط با انسان از طریق متن ، گفتار ، گرافیک یا سایر روش ها به روشی منسجم طراحی شده اند. تاکنون سیستم های گفتگو مبتنی بر معماری های عصبی مانند LSTM یا شبکه های حافظه ، مشخص شده اند که برای دستیابی به ارتباطات مسلط ، به خصوص هنگامی که به طور مستقیم روی سیاهههای گفتگو آموزش می گیرند ، بسیار امیدوار کننده هستند.

"یکی از مزایای اصلی آنها این است که آنها می توانند به منابع داده های بزرگ از دیالوگ های موجود برای یادگیری به پوشش حوزه های مختلف بدون نیاز به هیچ دانش تخصصی تکیه می کنند،" محققان در مقاله خود، که بود نوشت در آرشیو قبل از چاپ . "با این وجود ، طرف این است كه آنها مشاركت محدودی دارند ، به خصوص در تنظیمات چت-گپ: آنها فاقد سازگاری هستند و از استراتژی های تعامل فعال استفاده نمی كنند ، همانطور كه ​​(حتی تا حدی) چت بات های ضبط شده نیز انجام می دهند."

در یک مطالعه جدید ، تیم دیگری از محققان در موسسه الگوریتم های یادگیری مونترال (MILA) و Facebook AI یک مجموعه داده با نام PERSONA-CHAT ایجاد کردند که شامل دیالوگ های بین نمایندگان با پروفایل های متنی یا personas های متصل به آنها است. آنها دریافتند که آموزش یک سیستم گفتگو بر روی یک شخص خاص ، تعامل آنها را در تعامل بهبود می بخشد.

محققان در مقاله خود توضیح دادند: "با این وجود ، مجموعه داده PERSONA-CHAT با استفاده از مکانیسم جمع آوری داده های مصنوعی مبتنی بر مکانیک ترک ایجاد شده است." "در نتیجه ، نه دیالوگ ها و نه personas نمی توانند کاملاً نمایانگر تعامل واقعی کاربر و ربات باشند و پوشش مجموعه داده محدود است ، حاوی کمی بیشتر از 1K شخص مختلف.

محققان فیس بوک برای پرداختن به محدودیت های مجموعه داده قبلی ، یک مجموعه داده جدید در مقیاس بزرگ مبتنی بر شخصیت ایجاد کردند که از مکالمات استخراج شده از بستر آنلاین Reddit تشکیل شده است. مطالعه آنها با استفاده از فعل و انفعالات بیشتر نماینده ، کار پیشینیان خود را یک قدم جلوتر می برد.

محققان نوشتند: "در این مقاله ، ما با استفاده از مکالمه هایی که قبلاً از Reddit استخراج شده است ، یک مجموعه داده گفتگوی مبتنی بر شخصیت بسیار بزرگ ایجاد می کنیم. "با اکتشافی ساده ، ما یک گروه از بیش از 5 میلیون نفر را ایجاد می کنیم که بیش از 700 میلیون مکالمه دارند."

محققان برای ارزیابی اثربخشی آن ، سیستم های گفتگو پایان به پایان مبتنی بر شخصیت را در مجموعه داده های تازه توسعه یافته خود آموزش دادند. سیستمهایی که روی مجموعه داده های خود آموزش دیده اند قادر به انجام مکالمات جذاب تر بودند ، و از سایر عوامل مکالمه که در حین آموزش به افراد دسترسی پیدا نکردند ، بهتر بودند.

جالب است که ، مجموعه داده های آنها حتی در شرایطی که سیستم های گفتگو صرفاً از قبل آموزش دیده بودند ، به نتایج پیشرفته ای منجر می شدند. در آینده ، این یافته ها می تواند منجر به ایجاد چت بات های جذاب تر شود ، که می تواند برای دستیابی به یک شخصیت خاص ، شخصی سازی و آموزش یابد.

محققان نوشتند: "ما نشان می دهیم كه مدلهای آموزش برای تراز كردن پاسخها هم با شخصیت نویسنده خود و هم زمینه باعث بهبود عملكرد پیش بینی می شوند." "از آنجا که پیش آموزش منجر به بهبود قابل توجهی در عملکرد می شود ، کارهای آینده می توانند این مدل را برای سیستم های مختلف گفتگو تنظیم کنند ."

 http://ztndz.com/story7351543/قیمت-اکچویتور

نظرات شما عزیزان:

نام :

آدرس ایمیل:

وب سایت/بلاگ :

متن پیام:

نظر خصوصی

 کد را وارد نمایید:

 

 

 

عکس شما

آپلود عکس دلخواه: