IJCAIJun, 2019

利用多映射和后验映射选择生成多种不同的回复

PDF
TL;DR本文提出了一种用于解决一对多问题的多映射机制， 其中具有多重映射模块的潜在机制用于建模语义映射，同时考虑到了目标响应的选择， 实现了后映射选择的准确优化，并引入了辅助匹配损失以促进 优化。实验结果表明，与现有方法相比，我们的模型在生成多个多样化，丰富的回复方面优越。
发现论文，激发创造
  • 生成短文本对话的多个不同响应

    该研究提出了一种新型的响应生成模型，使用一种强化学习算法以考虑一个响应集合，同时生成多个不同的响应，实验证明相比各种最先进的生成模型，我们模型生成的多个响应具有更高的质量和更大的多样性。

    Nov, 2018

  • 对话系统中选择相应生成知识的学习

    该论文提出了一种采用先验和后验知识分布来实现知识选择的端到端神经模型，以更好地将适当的知识整合到响应生成中。

    Feb, 2019

  • 先学习可能性，再选择最佳方案：通过文本游戏分离语言中的一对多关系

    利用离散潜在变量和知识蒸馏的方法，从多样的预训练数据集中捕捉了一系列不同的行为，并将这种多样性应用于学生模型中，显著提高了对话系统生成回复的准确性。

    Apr, 2023

  • 多模式图像到图像翻译

    利用条件生成模型和低维潜在向量，通过鼓励输出和潜在编码间的双射一致性的方法解决图像转换中一对多的映射问题，并产生更丰富多样的结果。

    Nov, 2017

  • 后验生成对抗网络：朝着信息丰富和连贯的响应生成

    本研究提出了一种基于预测 - 生成 - 转移的神经对话模型，并使用后验生成对抗网络的前向和反向判别器来进一步建模。 实验结果表明，这种方法有效地提高了生成响应信息量和连贯性，并证实了考虑两种评估角度的优势。

    Mar, 2020

  • 使用匹配条件变分自编码器实现多样化回复建议

    针对商业即时通讯系统中的自动回复建议生成进行多样化处理，包括使用信息检索结构实现对话模型、通过潜变量模型实现回复建议的生成以及使用约束抽样方法优化变分推断的效率等，实验证明在保证相关性的情况下，该方法能够使回复多样性提升 30-40%，并取得 5% 的点击率提升。

    Mar, 2019

  • 通过顺序后验推理实现多样而忠实的基于知识的对话生成

    本文提出了一种名为顺序后验推断（SPI）的端到端学习框架，用于选择知识和生成对话，能够从后验分布中近似抽样，直接查询响应生成模型，以实现准确的知识选择和生成忠实的响应

    Jun, 2023

  • 开放域对话响应选择的系统评估

    本研究对开源聊天机器人的多种回复生成方法进行了系统评估，提出了利用手动注释筛选出的多个正向回复和负向回复，从而提高模型效果的新训练数据，并实验证明性能较之采用对抗训练数据有更显著提升。

    Aug, 2022

  • 基于 CVAE 的响应生成的焦点约束注意机制

    通过引入潜变量到 Seq2Seq 模型，利用细颗粒度和聚焦机制来充分利用语篇信息，从而生成多样化和信息丰富的响应。

    Sep, 2020

  • 多方响应生成与关系解缠

    该研究提出了一种通过对话上下文进行关系推理来指导神经响应生成的方法，并在多方对话中展示出优于基线模型的效果。

    Mar, 2024