用于对话生成的跨拷贝网络
计算与语言
2020-10-23 v1
摘要
过去几年中，来自不同领域的观众见证了序列到序列模型（如 LSTM+注意力、Pointer Generator Networks 和 Transformer）在增强对话内容生成方面的成就。虽然内容流畅度与准确性常作为模型训练的主要指标，但承载特定领域关键信息的对话逻辑常被忽视。以客服与法庭辩论对话为例，不同对话实例间可观察到兼容的逻辑，且该信息可为话语生成提供重要依据。本文中，我们提出一种新颖的网络架构——跨拷贝网络(CCN)，以同时探索当前对话上下文与相似对话实例的逻辑结构。在法庭辩论与客服内容生成两项任务上的实验证明，所提算法优于现有的最先进内容生成模型。
引用
@article{arxiv.2010.11539,
title = {Cross Copy Network for Dialogue Generation},
author = {Changzhen Ji and Xin Zhou and Yating Zhang and Xiaozhong Liu and Changlong Sun and Conghui Zhu and Tiejun Zhao},
journal= {arXiv preprint arXiv:2010.11539},
year = {2020}
}
备注
11 pages, 4 figures