APRIL：结合主动偏好学习与强化学习的交互式摘要学习方法
计算与语言
2018-08-30 v1 人工智能
机器学习
摘要
我们提出了一种不使用参考摘要的自动文档摘要方法。相反，我们的方法从用户的偏好中交互式学习。基于偏好的交互式摘要的优点在于，相比于提供参考摘要，用户更容易提供偏好。现有的基于偏好的交互式学习方法存在样本复杂度高的问题，即它们需要与预言机进行多轮交互才能收敛。在这项工作中，我们提出了一个新的目标函数，使我们能够利用主动学习、偏好学习和强化学习技术来降低样本复杂度。模拟和真实用户实验均表明，我们的方法显著推进了当前最优水平（SOTA）。我们的源代码可在 https://github.com/UKPLab/emnlp2018-april 免费获取。
引用
@article{arxiv.1808.09658,
title = {APRIL: Interactively Learning to Summarise by Combining Active Preference Learning and Reinforcement Learning},
author = {Yang Gao and Christian M. Meyer and Iryna Gurevych},
journal= {arXiv preprint arXiv:1808.09658},
year = {2018}
}
备注
EMNLP 2018