序列到前后向序列：一种生成式短文本对话的内容引入方法
计算与语言
2016-10-14 v2 机器学习
摘要
在过去几年中，使用神经网络在人机对话系统中生成回复正受到越来越多的关注。然而，性能并不令人满意：神经网络倾向于生成安全的、普遍相关的但含义甚少的回复。在本文中，我们提出一种基于神经网络的生成式对话系统的内容引入方法。我们首先使用点互信息（PMI）预测一个名词作为关键词，反映回复的主要要点。然后我们提出 seq2BF，一种“序列到后向和前向序列”模型，它生成包含给定关键词的回复。实验结果表明，我们的方法在人类评估和熵度量方面显著优于传统的序列到序列模型，并且预测的关键词可以出现在回复中的适当位置。
引用
@article{arxiv.1607.00970,
title = {Sequence to Backward and Forward Sequences: A Content-Introducing Approach to Generative Short-Text Conversation},
author = {Lili Mou and Yiping Song and Rui Yan and Ge Li and Lu Zhang and Zhi Jin},
journal= {arXiv preprint arXiv:1607.00970},
year = {2016}
}
备注
Accepted by COLING