通过模仿学习习得集束搜索策略
机器学习
2019-06-26 v2 人工智能
机器学习
摘要
集束搜索（beam search）被广泛用于结构化预测问题中的近似解码。模型在测试时通常使用集束，但在训练时忽略其存在，因此并未显式地学习如何使用集束。我们开发了一种利用模仿学习来学习集束搜索策略的统一元算法。在我们的设定中，集束是模型的一部分，而不仅是近似解码的产物。我们的元算法涵盖了现有的学习算法并提出了新的算法。它还使我们能够给出学习集束搜索策略的新颖无遗憾（no-regret）保证。
引用
@article{arxiv.1811.00512,
title = {Learning Beam Search Policies via Imitation Learning},
author = {Renato Negrinho and Matthew R. Gormley and Geoffrey J. Gordon},
journal= {arXiv preprint arXiv:1811.00512},
year = {2019}
}
备注
Published in NIPS 2018