一种用于高质量、情感可控神经对话生成的对抗方法
计算与语言
2019-01-23 v1
摘要
在这项工作中，我们提出了一种神经对话响应生成方法，该方法不仅能根据对话历史生成语义合理的响应，还能通过情感标签显式控制响应的情感。我们提出的模型基于条件对抗学习范式；情感可控对话生成器的训练由一个对抗判别器辅助，该判别器评估根据对话历史和给定情感标签所生成响应的流畅性与可行性。由于框架的灵活性，生成器可以是标准的序列到序列（SEQ2SEQ）模型，也可以是更复杂的模型，例如基于条件变分自编码器的 SEQ2SEQ 模型。使用自动与人工评估的实验结果均表明，我们提出的框架能够生成语义合理且情感可控的对话响应。
引用
@article{arxiv.1901.07129,
title = {An Adversarial Approach to High-Quality, Sentiment-Controlled Neural Dialogue Generation},
author = {Xiang Kong and Bohan Li and Graham Neubig and Eduard Hovy and Yiming Yang},
journal= {arXiv preprint arXiv:1901.07129},
year = {2019}
}
备注
DEEP-DIAL 2019