基于动态知识图谱与改进对抗元学习的对话生成
计算与语言
2020-04-21 v1
摘要
基于知识图谱的对话系统能够生成信息更丰富的回复，并能实现复杂的推理机制。然而，这些模型未考虑知识图谱（KG）的稀疏性和不完整性，且当前的对话模型无法应用于动态知识图谱。本文提出了一种基于动态知识图谱并采用改进对抗元学习（KDAD）的对话生成方法。KDAD 将动态知识三元组形式化为对抗攻击问题，并融入了快速适应动态知识感知对话生成的目标。我们使用极少量训练样本，通过改进的 ADML 训练基于知识图谱的对话模型。该模型能够初始化参数并适应先前未见过的知识，从而仅基于少量知识三元组即可快速完成训练。我们证明，我们的模型显著优于其他基线模型。我们评估并展示了我们的方法能极快且很好地适应基于动态知识图谱的对话生成。
引用
@article{arxiv.2004.08833,
title = {Dynamic Knowledge Graph-based Dialogue Generation with Improved Adversarial Meta-Learning},
author = {Hongcai Xu and Junpeng Bao and Gaojie Zhang},
journal= {arXiv preprint arXiv:2004.08833},
year = {2020}
}
备注
10 pages, 3 figures