搜索与评估策略在神经对话建模中的重要性

我们研究了搜索策略在神经对话建模中的影响。我们首先比较了两种标准搜索算法，贪心搜索和集束搜索，以及我们新提出的迭代集束搜索，后者产生更多样化的候选回复集合。我们在与人类的真实完整对话中评估这些策略，并提出基于模型的贝叶斯校准以解决标注者偏差。这些对话使用两个自动指标进行分析：模型赋予的对数概率和话语多样性。我们的实验揭示，更好的搜索算法带来更高评分的对话。然而，从更多样化的候选集中选择最优的选择机制仍是一个开放问题。