多领域对话系统的深度强化学习
人工智能
2021-05-10 v1 计算与语言
机器学习
摘要
标准的深度强化学习方法如深度Q网络(Deep Q-Networks, DQN)用于多任务(领域)时面临可扩展性问题。我们提出一种用于多领域对话策略学习的方法——称为NDQN，并将其应用于餐厅与酒店领域的信息寻求型口语对话系统。使用模拟实验比较DQN(基线)与NDQN(所提方法)的结果表明，我们提出的方法展现出更好的可扩展性，并有望优化多领域对话系统的行为。
引用
@article{arxiv.1611.08675,
title = {Deep Reinforcement Learning for Multi-Domain Dialogue Systems},
author = {Heriberto Cuayáhuitl and Seunghak Yu and Ashley Williamson and Jacob Carse},
journal= {arXiv preprint arXiv:1611.08675},
year = {2021}
}
备注
NIPS Workshop on Deep Reinforcement Learning, 2016