训练用于交互式学习视觉基础词义的自适应对话策略
计算与语言
2017-10-02 v1 人工智能
机器学习
机器人学
摘要
我们提出了一种多模态对话系统，用于在人类导师的指导下交互式地学习感知基础词义。该系统将增量语义解析/生成框架——带记录的动态语法与类型理论 (DS-TTR)——与一组在交互过程中学习并为其产生的语义表示提供基础的视觉分类器相结合。我们使用该系统与模拟人类导师进行交互，以研究不同对话策略和能力对学习词义的准确率、学习率以及导师的付出/成本的影响。我们表明，学习智能体的整体性能受以下因素影响：(1) 谁在对话中采取主动；(2) 表达/使用其关于视觉属性的置信度水平的能力；以及 (3) 处理省略和增量构建的对话回合的能力。最终，我们训练了一种自适应对话策略，以优化分类器准确率和辅导成本之间的权衡。
引用
@article{arxiv.1709.10426,
title = {Training an adaptive dialogue policy for interactive learning of visually grounded word meanings},
author = {Yanchao Yu and Arash Eshghi and Oliver Lemon},
journal= {arXiv preprint arXiv:1709.10426},
year = {2017}
}
备注
11 pages, SIGDIAL 2016 Conference