AI 能生成恋爱建议吗？：面向非事实型问题的神经答案生成
计算与语言
2019-12-24 v1 机器学习
摘要
从问答站点中提取非事实型问题答案的深度学习方法被视为关键，因为它们可通过与 AI 系统的对话协助用户做出下一步决策。然而，当前方法存在以下两个问题：（1）它们无法理解问题中词语的模糊用法，因为词语用法可能高度依赖上下文。因此，其答案选择的准确率不够好。（2）当前方法只能从问答站点已有的答案中选择，无法生成新答案。因而，它们无法回答与站点所存问题略有差异的问题。我们的解决方案——神经答案构建模型，解决了这些问题：它（1）将问题背后的语义偏置纳入词嵌入，同时也计算与语义无关的词嵌入。由此，它能提取既贴合问题中词语上下文、又遵循跨语义常见用法的答案，从而提高了答案选择的准确率。（2）使用 biLSTM 计算问题以及常用于构成答案的句子的嵌入，然后同时学习这些句子的最优组合以及问题与这些句子之间的贴近度。结果，我们的模型能构建对应于问题潜在情境的答案；它填补了答案选择与生成之间的鸿沟，是首个超越当前非事实型问答简单答案选择模型的模型。使用日本问答站点 Oshiete goo 中存储的恋爱建议数据集进行的评估表明，我们的模型在答案生成上比强基线高出 20% 的准确率。我们的模型具有实用性，并已应用于 Oshiete goo 的恋爱建议服务。
引用
@article{arxiv.1912.10163,
title = {Can AI Generate Love Advice?: Toward Neural Answer Generation for Non-Factoid Questions},
author = {Makoto Nakatsuji},
journal= {arXiv preprint arXiv:1912.10163},
year = {2019}
}