用于神经回复生成的检索增强对抗训练
计算与语言
2019-05-24 v2
摘要
对话系统通常基于生成式或检索式方法构建，但它们未能利用不同模型的优势。本文提出一种用于神经回复生成的检索增强对抗训练（REAT）方法。与现有方法不同，REAT 方法在对抗训练范式下利用编码器-解码器框架，同时借助检索式系统提供的 N-best 回复候选来构造判别器。在大规模公开基准数据集上的实证研究表明，REAT 方法显著优于原始的 Seq2Seq 模型以及传统的对抗训练方法。
引用
@article{arxiv.1809.04276,
title = {Retrieval-Enhanced Adversarial Training for Neural Response Generation},
author = {Qingfu Zhu and Lei Cui and Weinan Zhang and Furu Wei and Ting Liu},
journal= {arXiv preprint arXiv:1809.04276},
year = {2019}
}