基于自注意力的神经对话模型中与消息相关的回复生成
计算与语言
2018-05-24 v1
摘要
借助序列到序列框架，许多用于闲聊的神经对话模型在回复的自然性上取得成功。然而，神经对话模型倾向于给出与给定消息不特定的通用回复，这仍是一项挑战。为缓解该倾向，我们提出一种利用自注意力促进神经对话模型生成与消息相关且多样化回复的方法，该方法兼具时间高效与有效性。此外，我们通过与标准对话生成的深入对比，探究了自注意力为何及如何有效。实验结果表明，所提方法在多种评估指标上改进了标准对话生成。
引用
@article{arxiv.1805.08983,
title = {Self-Attention-Based Message-Relevant Response Generation for Neural Conversation Model},
author = {Jonggu Kim and Doyeon Kong and Jong-Hyeok Lee},
journal= {arXiv preprint arXiv:1805.08983},
year = {2018}
}
备注
8 pages