FTA-Mem：用于低密度长期对话的事实时间影响锚定记忆

长期情感支持代理需要记忆机制来实现跨会话的个性化理解。然而，情感支持对话通常是低密度的：回合不完整、证据分散、用户状态随着时间的推移而变化。现有的记忆方法通常依赖于固定单元，例如回合笔记或会话摘要，这可能会丢失细节或引入冗余噪声。我们提出了 FTA-Mem，一种用于低密度长期对话的结构化记忆框架。 FTA-Mem 使用边界保留窗口分割 (BWS) 形成连贯的情境片段，并构建事实-时间-影响记忆单元 (FTA 单元)，联合编码事实内容、时间基础和情感上下文。然后将检索到的单元合成到结构化上下文中以生成答案。 ES-MemEval 和 LoCoMo 的实验表明，FTA-Mem 提高了具有不同信息密度特征的基准的整体长期记忆问题回答能力。在 ES-MemEval 上，FTA-Mem 达到 0.3871 F1 和 0.6668 BERTScore。进一步分析表明，情景级FTA构建比粗会话级或过于细粒度的轮对构建更好地平衡了证据保存和构建成本，为长期对话记忆提供了有效的粒度权衡。