基于深度强化学习的文本生成研究综述

• 作者: 赵婷婷 宋亚静 李贵喜 王嫄 陈亚瑞 任德华
• 来源期刊: 天津科技大学学报
• 学科: 工学
• 关键词: 深度强化学习 自然语言生成 暴露偏差 生成对抗网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 综述|Review
• 页码范围: 71-80
• 页数: 10页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.13364/j.issn.1672-6510.20210146

摘要

文本生成任务需要对大量词汇或语句进行表征,且可将其建模为序列决策问题.鉴于深度强化学习(deep reinforcement learning,DRL)在表征及决策方面的优良性能,DRL在文本生成任务中发挥了重要的作用.基于深度强化学习的文本生成方法改变了以最大似然估计为目标的训练机制,有效解决了传统方法中存在的暴露偏差问题.此外,深度强化学习和生成对抗网络的结合进一步提高了文本生成质量,并已取得了显著的成果.本综述将系统阐述深度强化学习在文本生成任务中的应用,介绍经典模型及算法,分析模型特点,探讨未来深度强化学习与文本生成任务融合的前景和挑战.