本文介绍了一种基于用户人格检测的个性化对话生成器，利用条件变分推理建立用户人格模型，从而提升对话质量。研究表明，使用新数据集训练对话系统显著提高表现，并提出了结合情感支持和个性特征的对话生成框架，实验结果优于现有模型。

该文综述个性化对话生成研究，涵盖基于键值对的特征融合模块与对话者关注、偏置机制，PersonalDialog数据集的构建，以及个性化数据集与自动人格识别、异构图情感对话生成、检索到预测范式解决OOP问题、数据中心方法提升Persona-Chat准确率、条件变分推理人格建模、神经网络人设推理、社交媒体多模块回复生成、人物角色一致性模型和数据增强问答检索等成果。