Dissertação
Sentiment-Aware Conversational Agent EVALUATED
Os modelos mais recentes de geração automática de texto no contexto de diálogo dependem de grandes quantidades de dados para conseguirem implicitamente gerar texto fluente e apropriado. Algumas aplicações, como apoio ao cliente, começaram a usar agentes automáticos para manter e aumentar a confiança dos seus clientes, levando a uma resolução mais rápida e eficaz de problemas. No entanto, existem poucos dados disponíveis para este tipo de aplicações, o que pode dificultar o seu treino, resultando em respostas genéricas. Este aspeto é problemático, dado que uma resposta que não tenha em conta a emoção, pode causar o descontentamento dos clientes. Neste trabalho propomos abordar estes problemas com um agente conversacional que tem em conta sentimento. Para o fazer vamos desenvolver três modelos: um modelo de classificação de sentimento; um modelo para prever o sentimento da frase seguinte, que considera o contexto do diálogo para prever um sentimento para o agente expressar na sua resposta; e um modelo de geração, que é condicionado com a previsão do sentimento e o contexto do diálogo, para conseguir gerar uma resposta que é apropriada em termos do contexto e do sentimento. Quer a avaliação humana quer a avaliação automática, mostram que guiar explicitamente o modelo de geração com um conjunto de frases pré-definido, leva a claras melhorias, em particular para modelos treinados com conjuntos de dados pequenos. Finalmente, mostramos que o modelo de previsão do sentimento da frase seguinte é o maior obstáculo do sistema, e discutimos futuras possíveis maneiras de o melhorar.
novembro 22, 2021, 13:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Maria Luísa Torres Ribeiro Marques da Silva Coheur
Departamento de Engenharia Informática (DEI)
Professor Associado
