世界并非二元：利用灰度数据学习排序以进行对话回复选择
计算与语言
2020-10-14 v4
摘要
回复选择在构建检索式对话系统中起着至关重要的作用。尽管回复选择本质上是一个学习排序问题，但大多数先前工作采用逐点视角，并为该任务训练二元分类器：每个回复候选被标记为正相关（一）或无关（零）。一方面，这种形式化可能因忽视回复质量的多样性而次优。另一方面，为学习排序标注灰度数据可能极其昂贵且具有挑战性。在本工作中，我们表明灰度数据可以在无需人工努力的情况下自动构建。我们的方法采用现成的回复检索模型和回复生成模型作为自动灰度数据生成器。利用构建的灰度数据，我们提出了用于训练的多级排序目标，其能够（1）教导匹配模型捕捉更细粒度的上下文-回复相关性差异，以及（2）在干扰项强度方面减少训练-测试差异。我们的方法简单、有效且通用。在三个基准数据集和四个最先进匹配模型上的实验表明，所提出的方法带来了显著且一致的性能提升。
引用
@article{arxiv.2004.02421,
title = {The World is Not Binary: Learning to Rank with Grayscale Data for Dialogue Response Selection},
author = {Zibo Lin and Deng Cai and Yan Wang and Xiaojiang Liu and Hai-Tao Zheng and Shuming Shi},
journal= {arXiv preprint arXiv:2004.02421},
year = {2020}
}
备注
EMNLP2020