刘喜凯,林鸿飞,徐博,2,杨亮,任玉琪

(1.大连理工大学计算机科学与技术学院,辽宁大连116024;2.认知智能国家重点实验室(科大讯飞),安徽合肥230088)

0 引言

构建可以与人进行自然沟通的聊天机器人是人工智能领域的一个长期目标[1]。随着网络技术的不断发展,聊天机器人被广泛应用于客服、情感陪护、问答等多项任务之中。其中,对话生成任务致力于如何根据用户的输入查询给出相应的对话回复,也成为了近年来重要的研究课题。

随着近年来对话数据量的增多,许多研究学者倾向于利用数据驱动的方法来构建对话模型[2]。对比早期基于手动特征和规则的方法,这样的方法不仅节省人力和时间成本,还可以更好地挖掘数据的特性,以应对更多样的场景。其中,基于生成的方法和基于检索的方法是最常被研究的两种方法。基于检索的方法在得到用户的输入查询语句后,从已有的数据中检索与之匹配度较高,的相关查询,并将该查询的回复作为检索答案返回给用户。基于生成的方法将输入查询进行编码并依据该编码逐步生成语句作为最终回复。这其中,基于生成的方法因其可以产生新回复的特点而被广泛研究。但现存的基于生成的模型往往倾向于生成无意义的万能回复,如“好的”、“你说的对”等[3]。

为了解决这一问题,一些研究工作尝试将基于检索和基于生成的方法融合来生成最终的回复[4-5]。这些模型首先利用检索方法得到参考回复语句,并将该语句作为辅助信息引入生成模型中,以生成最终的回复。……