基于意图的神经网络对话模型

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％.

关键词：对话生成、序列到序列、神经网络

所属期刊栏目：38

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61262074

在线出版日期：2018-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：417-421