典型文献
基于对话结构的多轮对话生成模型
文献摘要：
目前,多轮对话生成研究大多使用基于RNN或Transformer的编码器-解码器架构.但这些序列模型都未能很好地考虑到对话结构对于下一轮对话生成的影响.针对此问题,在传统的编码器-解码器模型的基础上,使用图神经网络结构对对话结构信息进行建模,从而有效地刻画对话的上下文中的关联逻辑.针对对话设计了基于文本相似度的关联结构、基于话轮转换的关联结构和基于说话人的关联结构,利用图神经网络进行建模,从而实现对话上下文内的信息传递及迭代.基于DailyDialog数据集的实验结果表明,与其他基线模型相比,该模型在多个指标上有一定的提升.这说明使用图神经网络建立的模型能够有效地刻画对话中的多种关联结构,从而有利于神经网络生成高质量的对话回复.
文献关键词：
图神经网络;对话生成;人机对话;对话结构
中图分类号：
作者姓名：
姜晓彤;王中卿;李寿山;周国栋
作者机构：
苏州大学计算机科学与技术学院,江苏苏州215006
文献出处：
引用格式：
[1]姜晓彤;王中卿;李寿山;周国栋-.基于对话结构的多轮对话生成模型)[J].软件学报,2022(11):4239-4250
A类：
DailyDialog
B类：
对话结构,多轮对话,对话生成,生成模型,RNN,Transformer,编码器,解码器,序列模型,图神经网络,神经网络结构,对对,结构信息,上下文,文本相似度,关联结构,话轮转换,说话,信息传递,基线模型,回复,人机对话
AB值：
0.278059
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。
