对话系统中变分神经语言生成的对抗域适应
计算与语言
2018-08-09 v1
摘要
域适应出现在我们旨在从源域学习一个能在不同目标域上表现可接受的模型时。当口语对话系统中的自然语言生成（NLG）在源域有充足标注数据、而目标域仅有有限标注数据时，这一点尤为关键。如何有效利用源域中尽可能多的现有能力是域适应中的核心问题。本文中，我们提出一种对抗训练流程，通过多步适应来训练基于变分编码器-解码器的语言生成器。在该流程中，模型先在源域数据上训练，然后在两个所提评判器的指导下于一小部分目标域话语上微调。实验结果表明，所提方法能有效借助源域现有知识，仅使用少量域内数据即可适应另一相关域。
引用
@article{arxiv.1808.02586,
title = {Adversarial Domain Adaptation for Variational Neural Language Generation in Dialogue Systems},
author = {Van-Khanh Tran and Le-Minh Nguyen},
journal= {arXiv preprint arXiv:1808.02586},
year = {2018}
}
备注
Accepted at COLING 2018, 13 pages