一种用于基于人物角色的多轮对话模型的对抗学习框架
计算与语言
2019-06-27 v2 机器学习
机器学习
摘要
在本文中，我们通过修改最先进的 hredGAN 架构以同时捕捉说话人身份、对话话题、说话人情感等话语属性，将基于人物角色的序列到序列（Seq2Seq）神经网络对话模型扩展到多轮对话场景。所提出的系统 phredGAN 具有一个基于人物角色的 HRED 生成器（PHRED）和一个条件判别器。我们还探索了两种实现条件判别器的方法：（1）phredGAN_a，一种将属性表示作为额外输入传入传统对抗判别器的系统；（2）phredGAN_d，一种除对抗判别器外还协作预测生成输入话语的属性（们）的双重判别器系统。为证明 phredGAN 相对于人物角色 Seq2Seq 模型的优越性能，我们在两个对话数据集上实验：Ubuntu Dialogue Corpus（UDC）以及来自《生活大爆炸》和《老友记》的电视剧剧本转录文本。性能比较针对多种量化指标以及众包人工评估进行。我们还探讨了在具有多但弱属性模态的数据集（如《生活大爆炸》和《老友记》）与具有少但强属性模态的数据集（UDC 中的客户-客服交互）上使用 phredGAN 任一种变体的权衡。
引用
@article{arxiv.1905.01992,
title = {An Adversarial Learning Framework For A Persona-Based Multi-Turn Dialogue Model},
author = {Oluwatobi Olabiyi and Anish Khazane and Alan Salimov and Erik T. Mueller},
journal= {arXiv preprint arXiv:1905.01992},
year = {2019}
}
备注
NAACL NeuralGen Workshop 2019. arXiv admin note: substantial text overlap with arXiv:1905.01998