元对话策略学习
计算与语言
2020-06-05 v1 机器学习
摘要
对话策略决定智能体的下一步动作，因此是对话系统的核心。然而，当迁移到数据稀少的全新领域时，策略模型可能因与新环境的交互不足而难以适应。我们提出深度可迁移 Q 网络（DTQN）以利用领域间可共享的低层信号，如对话行为与槽位。我们将状态与动作表示空间分解为对应这些低层组件的特征子空间，以促进跨领域知识迁移。此外，我们将 DTQN 嵌入元学习框架，并引入带有双重回放机制的 Meta-DTQN，以实现高效的离策略训练与适应。在实验中，我们的模型在多领域对话数据集 MultiWOZ 2.0 上的成功率与对话效率均优于基线模型。
引用
@article{arxiv.2006.02588,
title = {Meta Dialogue Policy Learning},
author = {Yumo Xu and Chenguang Zhu and Baolin Peng and Michael Zeng},
journal= {arXiv preprint arXiv:2006.02588},
year = {2020}
}
备注
10 pages, 3 figures