通过对抗信息最大化生成信息丰富且多样的对话响应
计算与语言
2018-11-08 v5 人工智能
摘要
神经对话模型生成的响应往往缺乏信息量和多样性。我们提出对抗信息最大化（AIM），一种解决这两个相关但不同问题的对抗学习策略。为促进响应多样性，我们利用对抗训练实现合成响应与真实响应的分布匹配。为提升信息量，我们的框架显式优化查询与响应之间成对互信息的变分下界。自动与人工评估的经验结果表明，我们的方法显著提升了信息量和多样性。
引用
@article{arxiv.1809.05972,
title = {Generating Informative and Diverse Conversational Responses via Adversarial Information Maximization},
author = {Yizhe Zhang and Michel Galley and Jianfeng Gao and Zhe Gan and Xiujun Li and Chris Brockett and Bill Dolan},
journal= {arXiv preprint arXiv:1809.05972},
year = {2018}
}
备注
NIPS 2018