通过建模、过滤与优化相干性与多样性以改进对话
计算与语言
2018-11-22 v1
摘要
我们针对开放域对话智能体的现有编码器-解码器模型提出了三项改进，旨在有效建模相干性并促进输出多样性：(1) 我们引入一种相干性度量，作为对话上下文与生成回复之间的 GloVe 嵌入相似度；(2) 我们基于该相干性度量过滤训练语料，以获得主题相干且词汇多样的上下文-回复对；(3) 我们随后使用条件变分自编码器模型训练回复生成器，该模型将相干性度量作为潜变量纳入，并使用上下文门以保证与上下文的主题一致性并促进词汇多样性。在 OpenSubtitles 语料上的实验表明，在 BLEU 分数以及相干性与多样性度量方面，相较竞争性神经模型有实质性提升。
引用
@article{arxiv.1809.06873,
title = {Better Conversations by Modeling,Filtering,and Optimizing for Coherence and Diversity},
author = {Xinnuo Xu and Ondřej Dušek and Ioannis Konstas and Verena Rieser},
journal= {arXiv preprint arXiv:1809.06873},
year = {2018}
}