用于对话控制的样本高效深度强化学习
人工智能
2016-12-20 v1 机器学习
机器学习
摘要
将对话策略表示为循环神经网络（RNN）具有吸引力，因为它能处理部分可观测性，推断状态的潜在表示，并可通过监督学习（SL）或强化学习（RL）进行优化。对于RL，策略梯度方法很自然，但样本效率低。在本文中，我们提出了3种方法，以减少使用RL优化基于RNN的对话策略所需的对话数量。其核心思想是维护第二个RNN来预测当前策略的价值，并对两个网络应用经验回放。在两个任务上，与标准策略梯度方法相比，这些方法将所需的对话/回合数减少了约三分之一。
引用
@article{arxiv.1612.06000,
title = {Sample-efficient Deep Reinforcement Learning for Dialog Control},
author = {Kavosh Asadi and Jason D. Williams},
journal= {arXiv preprint arXiv:1612.06000},
year = {2016}
}