利用图感知强化学习识别外交博弈中的制胜策略（学生摘要）
计算与语言
2022-01-05 v2 计算机与社会
摘要
本摘要提出了一种面向目标的方法，用于对在线政治策略博弈中多方话语的复杂社会现象进行检测与建模。我们开发了一种两层级方法：首先将社会语言行为编码为语言特征，随后利用强化学习估计任一玩家所拥有的优势。在第一层级中，说话者用于影响他人的社会语言行为（如友谊与推理）被编码为语言特征，以识别各玩家在同步双方对话中采用的说服策略。在第二层级中，采用强化学习方法估计图感知奖励函数，以基于各玩家在此多方设定中的地位量化其所获优势。我们将该技术应用于 Diplomacy 博弈，使用包含 78 名用户间超过 15,000 条消息的数据集。与上下文无关设定相比，我们的图感知方法表现出鲁棒性能。
引用
@article{arxiv.2112.15331,
title = {Using Graph-Aware Reinforcement Learning to Identify Winning Strategies in Diplomacy Games (Student Abstract)},
author = {Hansin Ahuja and Lynnette Hui Xian Ng and Kokil Jaidka},
journal= {arXiv preprint arXiv:2112.15331},
year = {2022}
}