相田 太一‎ > ‎文献紹介‎ > ‎

2019/02/25

論文:Dialogue-act-driven Conversation Model: An Experimental Study
担当:鈴木

データセット:変な応答による伝播はないものとしている。ボットの発話で終わるように4つ取り出す。
データセットのDA:対話行為(I:情報、Q:質問、D:要求、C:受け入れ、拒否の要求)。これも出力として学習し、予測させる。(過去の3セットを入れて、4つ目を予測させる)
生成モデル?応答予測の生成と生成モデルの違い?:純粋な発話の生成は自然、人間に近い。seq2seqは学習からそれっぽいものを選択。
文脈エンコーダを分類して解くのが一般的。発話エンコーダを通して、文脈エンコーダとの距離を求めたりするメリットは?:発話の種類が後から増えていくから?

応答予測
  • 純粋な発話の生成(人間らしく、自然に)。みんなが目指すゴール
  • 発話の候補から選択
    • 生成モデル(seq2seq)
      • ED
      • HRED
      • ED-DA
      • HRED-DA
    • 識別モデル(Siamese)
      • Siamese
      • HSiamese
      • Siamese-DA
      • HSiamese-DA:提案
入力:過去3つの発話、対話行為
出力:4つ目の発話、(対話行為)
Comments