PCoKG：基于辩论的人格感知常识推理

大多数常识推理模型忽视了人格特质的影响，限制了它们在对话生成等个性化系统中的效果。为解决这一局限，我们提出人格感知常识知识图谱（PCoKG），一个包含521,316个四元组的结构化数据集。我们首先使用三个评估器对ATOMIC数据集中的事件进行打分与过滤，选出那些在不同人格类型中可能引发多样推理模式的事件。在知识图谱构建方面，我们利用大语言模型（LLM）的角色扮演能力执行推理任务。为提升所生成知识的质量，我们引入由支持者、反对者和裁判组成的辩论机制，通过反馈循环迭代地精炼输出。我们从多个视角评估该数据集，并使用多个LLM骨干进行微调与消融实验，以评估PCoKG的鲁棒性及其构建流程的有效性。基于LoRA的微调结果显示，模型性能与基础模型的参数规模呈正相关。最后，我们将PCoKG应用于人格化对话生成，其生成的回复与参考输出之间的一致性得到提升。这项工作弥合了常识推理与个体认知差异之间的鸿沟，有助于开发更个性化、更具情境感知的AI系统。