基于结构化元学习的低频句子功能对话生成

句子功能是表明话语交际目的的重要语言学特征。将句子功能融入对话已被证明可提升生成回复的质量。然而，不同类型细粒度句子功能的 utterance 数量极不均衡。除少数高资源句子功能外，大部分句子功能出现频率低。因此，以这些低频句子功能为条件的对话生成面临数据匮乏问题。本文研究一种用于低频句子功能对话生成的结构化元学习（SML）方法。我们将以不同句子功能为条件的对话生成视为独立任务，并对高资源句子功能数据应用模型无关元学习。此外，SML 通过促进不同句子功能间的知识定制，同时保留相似句子功能间的知识泛化，来提升元学习有效性。实验结果表明，SML 不仅提升了生成回复的信息量与相关性，还能生成符合目标句子功能的回复。