يعد توليد الاستجابة الشخصية ضروريا لمزيد من المحادثات التي يشبها الإنسان. ومع ذلك، وكيفية نموذج معلومات تخصيص المستخدم مع عدم وجود أوصاف شخص مستخدم صريح أو التركيبة السكانية لا يزال قيد التحقيق فيها. لمعالجة مشكلة بيانات Sparsity للبيانات والعدد الها
ئل من المستخدمين، نستخدم عامل تخصيص Tensor لنموذج معلومات تخصيص المستخدمين مع تاريخ النشر. على وجه التحديد، نقدم تضمين الاستجابة الشخصية لجميع أزواج المستخدمين على المستخدمين وتشكيلها في موتر ثلاثي الحجم، متحللة من تحلل tucker. يتم تغذية تضمين الاستجابة الشخصية إما لمعرفة وحدة فك ترميز نموذج SEQ2SEQ القائمة على LSTM أو نموذج لغة محول للمساعدة في توليد المزيد من الردود الشخصية. لتقييم مدى تخصيص الاستجابات التي تم إنشاؤها، فإننا نقترح مزيدا من المرتبة المائية المستندة إلى الترتيب الواحد لكل من الزيارات @ k والتي تقيس أكثر من المرجح أن تأتي الردود التي تم إنشاؤها من المستخدمين المقابلين. تظهر النتائج على مجموعة بيانات المحادثة على نطاق واسع أن النماذج التي تعتمد على عامل توزيع العمال المقترح لدينا تولد استجابات أكثر تخصيصا وأكثر جودة مقارنة مع خطوط الأساس.
هذه الاستعراضات الورقة وتلخص ممارسات التقييم البشري الموضحة في 97 ورقة نقل النمط فيما يتعلق بثلاثة جوانب التقييم الرئيسية: نقل النمط، والمعنى بالحفظ، والطلاقة.من حيث المبدأ، يجب أن تكون التقييمات من قبل راتبي البشر هي الأكثر موثوقية.ومع ذلك، في أوراق
نقل النمط، نجد أن بروتوكولات التقييمات البشرية غالبا ما تكون غير محددة وغير موحدة، والتي تعيق استنساخ البحث في هذا المجال والتقدم نحو أساليب تقييم بشرية وتلقائية أفضل.
