基于意图的神经网络对话模型

• 作者: 刘建明 陈振舜
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 对话生成 序列到序列 神经网络
• 年，卷（期）: 2018,（5）
• 页码范围: 417-421
• 页数: 5页
• 分类号: TP183
• 字数: 4555字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-808X.2018.05.015

摘要

针对标准序列到序列(Seq2Seq)模型在开放域对话中倾向于生成无意义的通用型回答,提出了基于意图类别的序列到序列(Intent-Seq2Seq)对话生成方法.模型通过神经网络将意图类别转换为向量形式,该意图向量将作用于每步的解码过程,使对话模型生成与意图相关的回答,并能够增加结果的多样性.模型训练阶段使用DailyDialog语料中标注的意图类别,测试阶段通过指定不同的意图令模型生成特定的应答.实验结果表明,Intent-Seq2Seq模型的对话生成效果优于标准Seq2Seq模型,在Perplexity和BLEU指标上分别提高了10.2％ 和9.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建明	桂林电子科技大学计算机与信息安全学院	61	152	7.0	8.0
2	陈振舜	桂林电子科技大学计算机与信息安全学院	2	2	1.0	1.0