对抗学习框架下的多轮对话响应生成
计算与语言
2019-06-27 v5 人工智能
机器学习
神经与进化计算
机器学习
摘要
我们提出了一种用于生成多轮对话响应的对抗学习方法。我们提出的框架 hredGAN 基于条件生成对抗网络（GAN）。该 GAN 的生成器是一个改进的分层循环编码器-解码器网络（HRED），判别器是一个词级双向 RNN，它与生成器共享上下文和词嵌入。在推理过程中，以对话历史为条件的噪声样本被用于扰动生成器的隐空间以生成若干可能的响应。最终响应是由判别器排序最佳的那个。hredGAN 相比现有方法表现出改进的性能：（1）它比仅使用对数似然准则训练的网络具有更好的泛化能力；（2）即使在有限训练数据下，它也能生成更长、信息更丰富且更多样化、具有高语句和主题相关性的响应。这一改进在 Movie triples 和 Ubuntu 对话数据集上通过自动和人工评估得到了验证。
引用
@article{arxiv.1805.11752,
title = {Multi-turn Dialogue Response Generation in an Adversarial Learning Framework},
author = {Oluwatobi Olabiyi and Alan Salimov and Anish Khazane and Erik T. Mueller},
journal= {arXiv preprint arXiv:1805.11752},
year = {2019}
}
备注
Accepted at ACL 2019 Workshop on NLP for Conversational AI