面向视觉对话问题生成的大规模提问者心智中的回答者模型
计算与语言
2019-02-25 v1 计算机视觉与模式识别
机器学习
摘要
提问者心智中的回答者（AQM）是近期提出的面向任务型对话系统的信息论框架。AQM 受益于提出一个在发问时能最大化信息增益的问题。然而，由于其显式计算信息增益的内在特性，AQM 在解空间非常大时存在局限。为此，我们提出 AQM+，可处理大规模问题并提出与对话当前上下文更连贯的问题。我们在 GuessWhich（一个具有挑战性的面向任务型视觉对话问题，其候选类别数接近 10K）上评估了我们的方法。实验结果与消融研究表明，AQM+ 以合理近似显著优于最先进（SOTA）模型。特别地，所提 AQM+ 在对话推进过程中减少了超过 60% 的错误，而对比算法仅减少不到 6% 的错误。基于我们的结果，我们认为 AQM+ 是一种可应用于非是否型回复的通用面向任务型对话算法。
引用
@article{arxiv.1902.08355,
title = {Large-Scale Answerer in Questioner's Mind for Visual Dialog Question Generation},
author = {Sang-Woo Lee and Tong Gao and Sohee Yang and Jaejun Yoo and Jung-Woo Ha},
journal= {arXiv preprint arXiv:1902.08355},
year = {2019}
}
备注
Accepted for ICLR 2019. Camera ready version. Our code is publically available: https://github.com/naver/aqm-plus