赋能NLG:面向在线领域非正式摘要的离线强化学习
计算与语言
2023-07-03 v1 人工智能
摘要
我们的研究引入了一种创新的自然语言生成(NLG)方法,旨在优化用户体验并减轻人工客服支持人员的工作负担。我们的主要目标是使用离线强化学习技术为在线文章和帖子生成非正式摘要。在我们的研究中,我们将所提方法与现有的文本生成方法进行比较,并全面概述了我们的架构设计,其包含爬取、强化学习和文本生成模块。通过提出这一原创方法,我们的论文通过为在线内容生成自然语言摘要提供新视角,对NLG领域作出了宝贵贡献。通过实施Empowering NLG,我们能够在在线领域生成更高质量的回复。实验结果表明,平均“点赞”分数显著提升,从0.09954378提高到0.5000152。这一进展有潜力提升客服支持服务的效率与效果,并改善消费在线内容时的整体用户体验。
引用
@article{arxiv.2306.17174,
title = {Empowering NLG: Offline Reinforcement Learning for Informal Summarization in Online Domains},
author = {Zhi-Xuan Tai and Po-Chuan Chen},
journal= {arXiv preprint arXiv:2306.17174},
year = {2023}
}
备注
14 pages, 3 figures