神经响应生成中输出风格与主题的引导
计算与语言
2017-09-12 v1
摘要
我们提出简单且灵活的训练和解码方法，用于在基于神经编码器-解码器的语言生成中影响输出风格和主题。这种能力在各种应用中是期望的，包括对话系统，其中成功的代理需要以特定风格产生语言，并生成由人类操纵者或外部知识引导的响应。我们将神经生成过程分解为经验上更简单的子问题：一个忠实性模型和一个基于选择性采样的解码方法。我们还描述了训练和采样算法，其以特定语言风格限制或主题限制来偏置生成过程。人工评估结果证明我们提出的方法能够在对话任务中限制风格和主题而不降低输出质量。
引用
@article{arxiv.1709.03010,
title = {Steering Output Style and Topic in Neural Response Generation},
author = {Di Wang and Nebojsa Jojic and Chris Brockett and Eric Nyberg},
journal= {arXiv preprint arXiv:1709.03010},
year = {2017}
}
备注
EMNLP 2017 camera-ready version