可轉變對話風格的聊天機器人

Style-Changeable Chatbot

張瓊之(Chiung-Chih Chang)

指導教授 ： 李宏毅

國立臺灣大學/電機資訊學院/電機工程學研究所/碩士(2019年)

https://doi.org/10.6342/NTU201900404

摘要

本論文的主軸在研究如何訓練出有能力輸出不同風格語句的聊天機器人，論
文中會透過不同的模型嘗試結果。近年來對話機器人的需求增加，許多企業希望
利用對話機器人減少和顧客溝通的人力；除此之外，也有許多娛樂性質或教育性
質的聊天機器人產生。這些對話機器人在被訓練時大多數都不會考慮本身的性格
及對話風格，只是講求文法或是回應出相關的資訊，但本論文認為有特殊風格的
聊天機器人是一個值得探究的主題。若有能因應狀況而輸出不同風格回覆的聊天
機器人可能可以讓人感覺更像是真實的人，而有風格偏向的聊天機器人則能作為
它前期的研究。故本論文將對此進行探討。
本論文中會研究的模型分為兩類，分別為需更動對話機器人之模型及不需更
動對話機器人之模型，其中需更動對話機器人之模型包含了個人化模型及強化學
習模型；不需更動對話機器人之模型則包含即插即用模型及循環生成對抗模型。
實驗中會嘗試這四個模型的各種不同參數及方法，最後進行它們的評估及展示語
句生成的範例。希望能夠找到較好訓練具備特殊對話風格的聊天機器人的方法。

關鍵字

自然語言處理 ； 聊天機器人 ； 強化學習 ； 變分循環自編碼器 ； 循環生成 對抗網路

並列摘要

無資料

並列關鍵字

NLP ； Chatbot ； Reinforcement Learning ； VRAE ； CycleGAN

參考文獻

[1] Jiwei Li, Michel Galley, Chris Brockett, Georgios P. Spithourakis, Jianfeng Gao, and Bill Dolan, “A persona-based neural conversation model,” in ACL, 2016.

[2] Chih-Wei Lee, Yau-Shian Wang, Tsung-Yuan Hsu, Kuan-Yu Chen, Hung-Yi Lee, and Lin shan Lee, “Scalable sentiment for sequence-to-sequence chatbot response with performance analysisl,” in ICASSP, 2018.

[3] Chih-Wei Lee, “Improved task-oriented and non-task-oriented dialogue systems: Language learning dialogue game and chatbot as examples,” in Master’s Thesis of Communication Engineering College of Electrical Enginnering and Computer Science, National Taiwan University, 2018.

[4] Richard S. Sutton and Andrew G. Barto, “Reinforcement learning: An introduction,” in MIT press, 1998.

[5] Samuel R. Bowman, Luke Vilnis, Oriol Vinyals, Andrew M. Dai, Rafal Jozefowicz, and Samy Bengio, “Generating sentences from a continuous space,” in CONLL, 2016.