众语一“尺”：基于对抗多任务学习的多语言对话评估
计算与语言
2018-05-09 v1
摘要
自动评估开放域对话系统的性能是一个具有挑战性的问题。近期基于神经网络的度量方法在自动对话评估方面展现出可喜的前景。然而，现有方法主要关注单语评估，所训练的度量的跨语言迁移灵活性不足。为解决此问题，我们提出一种用于多语言对话评估的对抗多任务神经度量（ADVMT），其在不同语言间共享特征提取。我们在两种不同语言上评估所提模型。实验表明，该对抗多任务神经度量与人工标注高度相关，性能优于单语度量及多种现有度量。
引用
@article{arxiv.1805.02914,
title = {One "Ruler" for All Languages: Multi-Lingual Dialogue Evaluation with Adversarial Multi-Task Learning},
author = {Xiaowei Tong and Zhenxin Fu and Mingyue Shang and Dongyan Zhao and Rui Yan},
journal= {arXiv preprint arXiv:1805.02914},
year = {2018}
}
备注
To appear in IJCAI 2018