基于分层课程学习的对话回复选择
计算与语言
2021-09-01 v3
摘要
我们研究对话回复选择中匹配模型的学习问题。受近期发现的启发——即使用随机负样本训练的模型在真实场景中存在不足，我们提出了一种分层课程学习框架，以“由易到难”的方案训练匹配模型。我们的学习框架由两种互补的课程组成：(1) 语料级课程（CC）；以及 (2) 实例级课程（IC）。在 CC 中，模型逐步提升在对话上下文与候选回复之间寻找匹配线索的能力。至于 IC，它逐步增强模型识别对话上下文与候选回复之间不匹配信息的能力。在三个基准数据集上使用三种最先进（state-of-the-art）的匹配模型进行的实证研究表明，所提出的学习框架在各种评估指标上显著提升了模型性能。
引用
@article{arxiv.2012.14756,
title = {Dialogue Response Selection with Hierarchical Curriculum Learning},
author = {Yixuan Su and Deng Cai and Qingyu Zhou and Zibo Lin and Simon Baker and Yunbo Cao and Shuming Shi and Nigel Collier and Yan Wang},
journal= {arXiv preprint arXiv:2012.14756},
year = {2021}
}
备注
Accepted as long paper to the main conference of ACL2021