基于HRED模型的中文多轮对话任务方法研究

摘要：

多轮对话任务是自然语言处理中最具有实用价值的技术之一,该任务要求系统在产生通顺回答语句的同时能够照顾到上下文信息.近年来,出现了一大批以HRED(hierarchical recurrent encoder-decoder)模型为基础的多轮对话模型,其运用多层级的循环神经网络来编码上下文信息,并在Movie-DiC等英文对话数据集上取得了不错的结果.在2018年京东举办的中文多轮对话大赛中,京东向参赛选手公布了一批高质量的真实客服对话语料.该文在此数据上进行实验,针对HRED模型的缺点以及在中文语料下的表现进行改进,提出基于注意力和跨步融合机制与HRED模型结合的方案,实验结果表明,该方案取得了较大的性能提升.

关键词：多轮对话、生成式模型、自然语言处理

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：北京市创新项目20180630

在线出版日期：2020-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：78-85