利用匹配条件变分自编码器多样化回复建议
计算与语言
2019-03-27 v1 人工智能
机器学习
机器学习
摘要
我们考虑为一个商业即时通讯（IM）系统（Skype）多样化自动回复建议的问题。我们的对话模型是一个标准的基于匹配的资讯检索架构，由两个并行编码器将消息与回复投影到共同的特征表示中。在推理时，我们在特征空间中使用最近邻从固定回复集中选择回复。为多样化回复，我们将模型表述为带有条件变分自编码器（M-CVAE）的生成潜变量模型。我们提出一种约束采样方法，使M-CVAE中的变分推断对我们的生产系统高效。在离线实验中，M-CVAE持续将多样性提升约30-40%，而对相关性无显著影响。这转化为我们在线生产系统中点击率5%的提升。
引用
@article{arxiv.1903.10630,
title = {Diversifying Reply Suggestions using a Matching-Conditional Variational Autoencoder},
author = {Budhaditya Deb and Peter Bailey and Milad Shokouhi},
journal= {arXiv preprint arXiv:1903.10630},
year = {2019}
}