基于等价共享记忆探究的神经对话生成模型
计算与语言
2021-08-23 v1
摘要
对话生成作为自然语言生成（NLG）中一项具有挑战性的任务，近年来受到越来越多的关注。许多近期工作采用序列到序列结构并结合外部知识，成功提升了生成对话的质量。然而，鲜有工作利用从相似对话中提取的知识来生成话语。以客服与法庭辩论领域的对话为例，显然可从相似对话实例中提取并借鉴关键实体/短语及其关联逻辑与相互关系。此类信息能为改进对话生成提供有用信号。本文提出一种称为深度阅读记忆网络（DRMN）的新型阅读与记忆框架，能够记忆相似对话中的有用信息以改进话语生成。我们将模型应用于司法与电商领域的两个大规模对话数据集。实验证明所提模型优于最先进（SOTA）方法。
引用
@article{arxiv.2108.09164,
title = {A Neural Conversation Generation Model via Equivalent Shared Memory Investigation},
author = {Changzhen Ji and Yating Zhang and Xiaozhong Liu and Adam Jatowt and Changlong Sun and Conghui Zhu and Tiejun Zhao},
journal= {arXiv preprint arXiv:2108.09164},
year = {2021}
}