AAAIMar, 2020
后验生成对抗网络:朝着信息丰富和连贯的响应生成
Posterior-GAN: Towards Informative and Coherent Response Generation with Posterior Generative Adversarial Network
Shaoxiong Feng, Hongshen Chen, Kan Li, Dawei Yin
TL;DR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。