用核化哈希码表示建模心理治疗对话：一种非参数信息论方法
机器学习
2019-09-11 v7 人工智能
计算与语言
信息论
math.IT
机器学习
摘要
我们提出一种新颖的对话建模框架，即首个基于非参数核函数的对话建模方法，其学习核化哈希码作为压缩文本表示；不同于传统深度学习模型，它良好地处理相对小的数据集，同时也能扩展到大型数据集。我们还推导了互信息的新下界，用作模型选择准则，偏好在协作对话设定中参与者话语间对齐更好以及生成响应可预测性更高的表示。如在三个真实数据集（显著包含心理治疗会话）上所展示，所提方法显著优于几种最先进的基于神经网络的对话系统，无论是在计算效率方面（将训练时间从数天或数周缩短至数小时），还是在响应质量方面（在被人类评估者选为最佳模型的频率上比竞争者高一个数量级）。
引用
@article{arxiv.1804.10188,
title = {Modeling Psychotherapy Dialogues with Kernelized Hashcode Representations: A Nonparametric Information-Theoretic Approach},
author = {Sahil Garg and Irina Rish and Guillermo Cecchi and Palash Goyal and Sarik Ghazarian and Shuyang Gao and Greg Ver Steeg and Aram Galstyan},
journal= {arXiv preprint arXiv:1804.10188},
year = {2019}
}
备注
Response generative based model added, along with human evaluation