面向生成式对话智能体的端到端对抗学习
计算与语言
2018-01-10 v3
摘要
本文提出了一种用于生成式对话智能体（GCA）的新对抗学习方法以及一种 GCA 新模型。与先前对话生成的对抗学习工作类似，我们的方法将 GCA 视为一个生成器，旨在欺骗一个将对话标注为人工生成或机器生成的判别器；然而，在我们的方法中，判别器执行词元级分类，即它指示当前词元是由人类还是机器生成的。为此，判别器还接收上下文话语（对话历史）和截至当前词元的不完整回答作为输入。这种新方法使得通过反向传播进行端到端训练成为可能。自对话过程能够为对抗训练生成一组更具多样性的生成数据。该方法提升了对与训练数据无关问题的性能。基于人工与对抗评估的实验结果表明，该对抗方法相较通常的教师强制训练取得了显著的性能提升。
引用
@article{arxiv.1711.10122,
title = {End-to-end Adversarial Learning for Generative Conversational Agents},
author = {Oswaldo Ludwig},
journal= {arXiv preprint arXiv:1711.10122},
year = {2018}
}