【论文笔记】基于强化学习的人机对话

【导读】人机对话已经广泛应用于日常生活，比如苹果的siri，微软的小冰等等。本篇论文作者基于强化学习，针对给定环境和对话长度，设计了一种新的算法（RL-DAGM）。

论文地址：

https://arxiv.org/pdf/1807.07255.pdf

作者在本篇论文中提高了交互的多样性，并提高了人的参与度，因此作者自己准备了数据集，这个在后半部分会进行详细介绍。

01

对话行为分类

在阐述模型之前，先说一下作者在模型中使用的分类器。作者通过一个分类器将对话进行了分类，类别在实验部分的数据集内有简单介绍，分类器的实际例子如下所示：

分类器作者是基于双向RNN的GRU进行展开的。网络主要由embedding、biGRUs、MLP组成。

• 句子进行embedding嵌入

  

• 双向GRUs

  

• MLP

02

对话生成模型

监督学习

作者在论文中提到，该模型通过学习两个人之间的对话来区分对话内容的种类，然后在接下来的对话中通过分类生成对话。

作者的对话模型由策略网络和生成网络两部分组成，首先历史聊天记录通过策略网络来挑选对话类别，然后基于聊天记录和对话类别通过生成网络进行对话。对话模型公式：

第二个公式表示第i组对话的类别；r_i表示生成的对话，p_a,p_r分别表示策略网络和生成网络；u_k为对话，a_k为对应的对话类别。

在策略网络中，我们可以从图中（b）看出，上半部分的输入a通过词嵌入以及GRU的计算得到最后的隐藏状态:

下半部分通过双向GRU得到隐藏状态h以及输出t，并通过一系列计算得到最后的输出:

最后通过MLP：

在生成网络中，作者基于sequence to-sequence框架，与标准的encoder-decoder不同的是在编码时使用了attention机制。

将embedding之后的数据输入网络中，编码的第k个隐藏状态用v_{i,k}表示：

然后通过attention机制：

这里W和v都是参数，指的是编码GRU的第j-1个隐藏状态，作者在论文中给出了第j个隐藏状态的计算公式：

最后计算生成概率:

黄框中是一组只有一个1的向量，表示对应w的索引。

生成网络的输出pr：

以上介绍是通过监督学习实现的，然而这种模型对于长对话来说会存在弊端（作者训练集中45%的对话不超过5回合），并且策略网络是在不知晓未来对话的情况下进行优化的，因此作者提出使用强化学习来优化模型。

强化学习

策略网络与监督学习中的表示相同，用pa(ai|si)表示，并定义了奖励：

E[len(.)]与E[rel(.)]的计算公式：

这里m( , )是双向LSTM计算所得，是用来计算相关度的。目标函数是为了最大化奖励：

03

实验

数据集

为了提高交互的多样性，作者在数据标注上做了分类，分别为CM.S，CM.Q，CM.A，CS.S，CS.Q，CS.A，O：

作者从百度贴吧中选取500个对话作为训练集，每个对话分别对应3个labels，作者使用了一个分类器将对话进行了分类。

实验设置

作者实验中参考的代码：

S2SA: sequence to sequence with attention (Bahdanau et al., 2015)(https://github.com/mila-udem/blocks)

HRED: the hierarchical encoder-decoder model (https://github.com/julianser/hed-dlg-truncated)

VHRED: the hierarchical latent variable encoder-decoder model (https://github.com/julianser/hed-dlg-truncated)

RL-S2S: dialogue generation with reinforcement learning (https://github.com/liuyuemaicha/Deep-Reinforcement-Learning-for-Dialogue-Generation-in-tensorflow)

实验结果

为了测试 模型的效果，作者将每组对话的最后一句作为背景，将历史对话输入到不同的模型中，作者并对输出的回答分为3个等级，以此来直观的评判模型的效果。等级2：回答的句子不仅相关性强，而且内容有趣；等级1：回答勉强可以，但没有足够的信息；等级0：回答毫无意义，或者无法错误。评估结果如下：

实例展示：

从中可以看出 SL-DAGM 和 RL-DAGM都有在尝试转新的话题。

THE

END

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！560+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程