目前大多數(shù)智能聊天系統(tǒng)的實現(xiàn)主要有兩種方式.檢索式得到的回復準確且有意義,但回復內(nèi)容和回復類型卻受限于所選擇的語料庫.生成式可以獲得語料庫中沒有的回復,更具靈活性,但是容易產(chǎn)生一些錯誤或是無意義的回復內(nèi)容.為了解決上述問題,本文提出一種新的模型GRS（Generative-Retrieval-Score）,此模型可以同時訓練檢索模型和生成模型,并用一個打分模塊對檢索模型和生成模型的結(jié)果進行打分排序,將得分最高的回復作為整個對話系統(tǒng)的輸出,進而巧妙地將兩種方法的優(yōu)點結(jié)合起來,使最終得到的回復具體多樣,且生成的回復形式靈活多變.在真實的京東智能客服對話數(shù)據(jù)集上的實驗表明,本文提出的模型比現(xiàn)有的檢索式模型和生成式模型在多輪對話建模上有著更優(yōu)異的表現(xiàn). 

【文章來源】：華東師范大學學報(自然科學版). 2020,(05)北大核心CSCD

【文章頁數(shù)】：11 頁


本文編號：3534033