典型文献
面向语义多样性的对话生成模型
文献摘要：
开放域对话系统目前采用的检索-生成方法是基于相似问题具有相似回答这一假设,其中最新的聚类-生成方法对训练集中的问题进行硬聚类,并从每个问题簇所对应的回答中学习该簇问题的回复模式.然而现有的方法忽略了问题的语义多样性,影响了生成回复的相关性和信息性.为了解决上述问题,本文提出了面向语义多样性的对话生成模型,利用可学习的软聚类网络将训练集的问题分配到多个语义簇来更好地捕获语义多样性.特别的,本文使用径向基神经网络实现软聚类过程,径向基网络的可微性使得模型能够对软聚类和回复生成过程进行端到端的训练,让这两个过程更加紧密耦合.在Chat数据集上进行实验,结果表明本文算法的性能高于已有的先进算法.
文献关键词：
对话生成;信息检索;软聚类;径向基网络
中图分类号：
作者姓名：
刘家;卢永美;何东;卜令梅;陈黎;于中华
作者机构：
四川大学计算机学院,成都610065
文献出处：
引用格式：
[1]刘家;卢永美;何东;卜令梅;陈黎;于中华-.面向语义多样性的对话生成模型)[J].小型微型计算机系统,2022(10):2028-2034
A类：
Chat
B类：
对话生成,生成模型,对话系统,生成方法,训练集,回复,信息性,可学,软聚类,聚类网络,配到,径向基神经网络,径向基网络,可微性,复生,生成过程,端到端,两个过程,加紧,紧密耦合,信息检索
AB值：
0.362563
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
