DAL：用于对话生成的双重对抗学习
计算与语言
2019-06-25 v1
摘要
在开放域对话系统中，生成式方法因回复生成而备受关注。然而，现有方法深受生成安全回复与自然度不足回复的困扰。为缓解这两个问题，我们提出一种名为双重对抗学习（DAL）的新框架，用于高质量回复生成。DAL 首创性地利用查询生成与回复生成之间的对偶性，以避免安全回复并增加生成回复的多样性。此外，DAL 使用对抗学习来模拟人类评判者，引导系统生成自然回复。实验结果表明，DAL 有效提升了生成回复的多样性与整体质量。在自动指标与人工评估方面，DAL 均优于最先进的方法。
引用
@article{arxiv.1906.09556,
title = {DAL: Dual Adversarial Learning for Dialogue Generation},
author = {Shaobo Cui and Rongzhong Lian and Di Jiang and Yuanfeng Song and Siqi Bao and Yong Jiang},
journal= {arXiv preprint arXiv:1906.09556},
year = {2019}
}
备注
10 pages, published on NeuralGen workshop at NAACL 2019