基于跨领域潜在动作的零样本对话生成
计算与语言
2018-05-15 v1 人工智能
摘要
本文引入了零样本对话生成（ZSDG），作为迈向能够以最少数据立即泛化到新情况的神经对话系统的一步。ZSDG 使端到端生成式对话系统能够泛化到一个仅提供领域描述且无训练对话可用的新领域。随后提出了一种新颖的学习框架，动作匹配（Action Matching）。该算法能够学习一个跨领域嵌入空间，对对话响应的语义进行建模，进而使神经对话生成模型能够泛化到新领域。我们在一个新的合成对话数据集和一个现有的人人对话数据集上评估了我们的方法。结果表明，我们的方法在学习快速适应新领域行为的对话模型方面具有卓越性能，并展现了有前景的未来研究。
引用
@article{arxiv.1805.04803,
title = {Zero-Shot Dialog Generation with Cross-Domain Latent Actions},
author = {Tiancheng Zhao and Maxine Eskenazi},
journal= {arXiv preprint arXiv:1805.04803},
year = {2018}
}
备注
Accepted as a long paper in SIGDIAL 2018