对抗学习框架下面向多轮对话的基于人物角色的对话模型
计算与语言
2019-05-07 v1 机器学习
机器学习
摘要
本文通过修改最先进的hredGAN架构，将基于人物角色（persona）的序列到序列（Seq2Seq）神经网络对话模型扩展至多轮对话。为此，我们向hredGAN的编码器和解码器中引入额外的输入模态，以捕捉说话人身份、位置、子话题以及可能从人人交互语料中获取的其他外部属性。所得到的基于人物角色的hredGAN（）在多轮对话语料具备这些外部属性时，表现出优于现有基于人物角色的Seq2Seq和hredGAN模型的性能。该优越性在具有角色一致性的电视剧（如《生活大爆炸》和《老友记》）以及客户服务交互数据集（如Ubuntu对话语料）上，就困惑度、BLEU、ROUGE和Distinct n-gram指标而言得到了证明。
引用
@article{arxiv.1905.01998,
title = {A Persona-based Multi-turn Conversation Model in an Adversarial Learning Framework},
author = {Oluwatobi O. Olabiyi and Anish Khazane and Erik T. Mueller},
journal= {arXiv preprint arXiv:1905.01998},
year = {2019}
}
备注
2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA). arXiv admin note: substantial text overlap with arXiv:1905.01992