اكتسبت Chatbots Social Chatbots شعبية هائلة، وجاذبيتها لا تكمن فقط في قدرتها على الاستجابة للطلبات المتنوعة من المستخدمين، ولكن أيضا في القدرة على تطوير اتصال عاطفي مع المستخدمين. لتعزيز وتعزيز Chatbots الاجتماعي، نحتاج إلى التركيز على زيادة تفاعل ال
مستخدم وتأخذ في الاعتبار كل من الحاصل الفكري والعاطفي في وكلاء المحادثة. لذلك، في هذا العمل، نقترح مهمة المعنويات تدرك العاطفة التي تسيطر عليها توليد الحوار الشخصية التي تمنح الجهاز القدرة على الاستجابة عاطفيا ووفقا لشخصية المستخدم. نظرا لأن المشاعر والعواطف مرتبطة بدرجة كبيرة، نستخدم معرفة المشاعر بالكلام السابق لتوليد الاستجابة العاطفية الصحيحة وفقا لشخص المستخدم. نقوم بتصميم إطار توليد حوار يستند إلى المحولات، ينشئ الردود الحساسة لعاطفة المستخدم ويتوافق مع الشخصية والشاعر أيضا. علاوة على ذلك، يتم تشفير معلومات الشخصية من قبل تشفير محول مختلف، إلى جانب تاريخ الحوار، يتم تغذيةها إلى وحدة فك الترميز لتوليد الاستجابات. ناهز DataSet PersonAchat مع معلومات المشاعر لتحسين جودة الاستجابة. تظهر النتائج التجريبية على DataStet Personachat أن الإطار المقترح يتفوق بشكل كبير على خطوط الأساس الحالية، مما يولد ردود عاطفية شخصية وفقا للمشاعر التي توفر اتصال عاطفي أفضل ورضا المستخدمين كما هو مطلوب في chatbot الاجتماعي.
اعتمدت العمل الحديث نماذج من التفكير العملي لتوليد لغة إعلامية، على سبيل المثال، تعليق الصورة.نقترح استرخاء بسيط ولكنه فعال للغاية من فك التشفير العقلاني تماما، بناء على نهج متزايدي وتزايدي على مستوى الشخصيات لمعلومات التصوير العصبي المعني بالمعلومات
بشكل غير رسمي.نحن نطبق مكتوبة وسريعة "وبطيئة"، المتكلم الذي ينطبق على التفكير العملي في بعض الأحيان (الكلمة فقط - في البداية)، مع عدم انسقاد نموذج اللغة.في تقييمنا، نجد أن المعلومات المتزايدة من خلال فك التشفير العملي تنخفض بشكل عام الجودة وعلى نحو حد ما بشكل حدسي، يزيد من التكرار في التسميات التوضيحية.ومع ذلك، فإن متحدثنا المختلط يحقق توازنا جيدا بين الجودة والمعلوماتية.
إن جيل البيانات إلى النص (D2T) في المجال الطبي الطبيعي هو واعد - ولكن في الغالب غير مستكشفة - مجال البحث.هنا، نطبق النماذج العصبية لتوليد D2T إلى مجموعة بيانات حقيقية تتكون من منشورات الحزمة من الأدوية الأوروبية.نظهر أن المحولات التي تم ضبطها بشكل جي
د قادرون على توليد نص واقعي متعدد الجملة من البيانات في المجال الطبي الطبيعي، ولكن لها قيود مهمة.ونحن نطلق أيضا عن مجموعة بيانات جديدة (bioileaflets) لنماذج جيل D2T القياسية في المجال الطبي الطبيعي.
