• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    使用共指消解增強(qiáng)多輪任務(wù)型對(duì)話生成

    2022-11-07 10:12:24張?jiān)姲?/span>熊德意
    中文信息學(xué)報(bào) 2022年9期
    關(guān)鍵詞:指代代詞性能

    張?jiān)姲?熊德意

    (蘇州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 蘇州 215006)

    0 引言

    任務(wù)型對(duì)話系統(tǒng)(Task-oriented Dialogue System)是自然語言處理領(lǐng)域一個(gè)重要的研究方向,其主要目的是通過對(duì)話交互完成特定任務(wù)[1],如尋找商品、預(yù)訂酒店等。由于其廣闊的應(yīng)用前景和巨大的發(fā)展?jié)摿?受到了學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。

    根據(jù)對(duì)話輪數(shù)的不同,任務(wù)型對(duì)話系統(tǒng)可以分為單輪對(duì)話和多輪對(duì)話。近些年,單輪對(duì)話生成任務(wù)取得了豐富的研究成果,然而在多輪對(duì)話生成任務(wù)上,模型的效果仍然不盡如人意。

    單輪對(duì)話由于其一問一答的特性,問句的語意完整,意圖清晰,幾乎不使用省略和指代,模型回答起來相對(duì)容易;而多輪對(duì)話間的意圖較為復(fù)雜,需要考慮對(duì)話上下文信息,語句中還存在大量的省略和指代現(xiàn)象。如圖1所示,對(duì)話中的代詞給模型理解說話者的真實(shí)意圖造成了很大的困難,這是多輪對(duì)話模型性能達(dá)不到預(yù)期的一大原因[2-3]。

    圖1 含有指代的多輪任務(wù)型對(duì)話示例

    本文主要關(guān)注代詞對(duì)模型語言理解的影響,提出將共指消解任務(wù)結(jié)合到任務(wù)型對(duì)話上,消除代詞的歧義,提升任務(wù)型對(duì)話生成模型的性能。

    為了減輕省略和指代對(duì)多輪任務(wù)型對(duì)話生成模型的影響,Quan等[2]提出了一個(gè)生成式省略指代恢復(fù)模型GECOR,它把省略指代的消解任務(wù)簡(jiǎn)單地看作一個(gè)端到端的生成任務(wù):根據(jù)上下文信息,將含有代詞及省略的不完整句子直接轉(zhuǎn)寫為語義成分完整的句子,使對(duì)話模型可以更好地生成回復(fù)。這種方法可以取得一定的消歧效果,但訓(xùn)練消解模型需要標(biāo)注額外的<不完整語句,完整語句>數(shù)據(jù)對(duì),缺乏擴(kuò)展性;同時(shí),以端到端的方式恢復(fù)句子的完整語義,中間過程不可見,也不可控,因而在實(shí)際使用中缺乏靈活性。

    不同于之前的方法,本文提出先借助共指消解模型識(shí)別出對(duì)話上下文中存在的指代簇,然后利用兩種不同的方法將指代簇引入到對(duì)話模型中:①利用指代簇信息將語句中的代詞恢復(fù)為代詞所指代的實(shí)體,恢復(fù)句子的完整語義,降低對(duì)話理解的難度;②使用圖卷積神經(jīng)網(wǎng)絡(luò)(Graph Convolutional Networks,GCN)對(duì)指代簇編碼,作為額外信息引入到任務(wù)型對(duì)話生成模型中,增強(qiáng)機(jī)器理解對(duì)話的能力,幫助模型生成更合理的回復(fù)。

    本文提出的方法在大規(guī)模多領(lǐng)域任務(wù)型對(duì)話數(shù)據(jù)集RiSAWOZ[4]上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,本文提出的兩個(gè)方法均比基線模型的性能有顯著提升,證明本文方法的有效性。

    本文的組織架構(gòu)為:第1節(jié)介紹消解代詞增強(qiáng)對(duì)話生成的相關(guān)工作;第2節(jié)介紹任務(wù)型對(duì)話和共指消解相關(guān)的背景知識(shí);第3節(jié)介紹使用指代簇恢復(fù)對(duì)話完整語義的工作;第4節(jié)介紹將指代簇信息結(jié)構(gòu)化編碼引入對(duì)話模型的相關(guān)工作;第5節(jié)介紹了實(shí)驗(yàn)設(shè)置及實(shí)驗(yàn)結(jié)果;第6節(jié)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析;最后,總結(jié)全文,并對(duì)下一步的工作進(jìn)行展望。

    1 相關(guān)工作

    本節(jié)主要介紹消解代詞以增強(qiáng)對(duì)話生成任務(wù)的相關(guān)工作。

    Zheng等[5]利用單輪短文本對(duì)話數(shù)據(jù)構(gòu)建了一個(gè)指代省略消解數(shù)據(jù)集,其數(shù)據(jù)形如<不完整語句,完整語句>,然后使用Seq2Seq的神經(jīng)網(wǎng)絡(luò)模型執(zhí)行省略補(bǔ)全及代詞消解。此方法的局限在于模型僅在單輪對(duì)話語句上處理,忽略了對(duì)話歷史對(duì)代詞消解省略補(bǔ)全的作用。

    Su等[3]提出把代詞消解和省略補(bǔ)全作為預(yù)處理任務(wù),幫助多輪對(duì)話建模,其方法是先將對(duì)話歷史及當(dāng)前對(duì)話一同輸入句子重寫模型,恢復(fù)所有代詞,補(bǔ)全所有省略信息,然后用重寫完的句子執(zhí)行下一個(gè)對(duì)話處理步驟,降低對(duì)話理解的難度。他們構(gòu)建了含有2萬段中文多輪對(duì)話的數(shù)據(jù)集,其數(shù)據(jù)形式與Zheng等類似,但把任務(wù)擴(kuò)展到了多輪對(duì)話。該方法使用結(jié)合指針網(wǎng)絡(luò)[6](Pointer Network)的Transformer[7]模型作為句子重寫模型,在現(xiàn)有的多個(gè)聊天機(jī)器人上進(jìn)行實(shí)驗(yàn),都能有效提升聊天機(jī)器人的回復(fù)質(zhì)量。

    Quan等[2]則將多輪任務(wù)型對(duì)話和句子重寫進(jìn)行了結(jié)合,提出了一個(gè)生成式省略指代恢復(fù)模型GECOR。同樣的,他們?cè)贑am Rest676數(shù)據(jù)集上進(jìn)行了擴(kuò)展標(biāo)注,每句話都額外地標(biāo)注了<不完整語句,完整語句>語句對(duì),然后將結(jié)合了拷貝網(wǎng)絡(luò)[8](Copy Network)的Seq2seq模型與任務(wù)型對(duì)話生成模型Sequicity[9]進(jìn)行多任務(wù)聯(lián)合訓(xùn)練,該方法也取得了較好的提升效果。

    與之前的工作相比,本文主要關(guān)注多輪對(duì)話生成中的指代問題,借助共指消解模型得到對(duì)話歷史中的指代簇信息,通過兩種不同的方式增強(qiáng)對(duì)話模型。在數(shù)據(jù)上,本文提出的方法不需要額外標(biāo)注<不完整語句,完整語句>數(shù)據(jù)對(duì),具有更好的適應(yīng)性。同時(shí),先抽取指代簇,再使用指代信息的方式,過程可見、可控,更適合工業(yè)中的實(shí)際運(yùn)用。

    2 背景知識(shí)

    本節(jié)介紹與文章相關(guān)的背景知識(shí),主要包括兩部分:共指消解及任務(wù)型對(duì)話模型。

    2.1 共指消解

    共指消解是自然語言處理中的一個(gè)基本任務(wù),其目的是找出文本中描述同一個(gè)實(shí)體的所有表述(mentions,包括代詞和名詞短語),構(gòu)成一個(gè)指代簇(coreference cluster)[10]。如圖2中,“通用電氣”和“該公司”表述的都是同一個(gè)實(shí)體“通用電氣”,所以這兩個(gè)表述構(gòu)成了一條指代簇。

    圖2 指代簇樣例

    傳統(tǒng)的共指消解方法[11-14]都是采用管道式結(jié)構(gòu)(pipeline),即先通過句法解析識(shí)別出文本中所有的代詞和實(shí)體,然后通過手工構(gòu)造的特征對(duì)它們進(jìn)行打分聚類。這類方法的局限在于其依賴大量復(fù)雜精細(xì)的特征,易導(dǎo)致級(jí)聯(lián)錯(cuò)誤。Clark 和Manning等人[15-16]將神經(jīng)網(wǎng)絡(luò)應(yīng)用到共指消解任務(wù)上,減少了執(zhí)行共指消解所需要語義特征的數(shù)量。Lee等[10]提出了一個(gè)端到端的共指消解模型e2e-coref,它完全不需要任何的句法解析和手工構(gòu)造特征,減少了句法解析導(dǎo)致級(jí)聯(lián)錯(cuò)誤的發(fā)生概率,同時(shí),其性能超過了之前的所有模型。

    Lee把共指消解任務(wù)簡(jiǎn)化:先將含有T個(gè)詞的文本D=(x1,x2,…,xT)切分成N=個(gè)文本片段(span),然后通過模型計(jì)算得分,為每一個(gè)文本片段尋找最可能是其先行詞(antecedent)的片段。

    本文使用e2e-coref執(zhí)行共指消解任務(wù),其模型主要分為兩個(gè)部分。第一部分如圖3所示,模型的輸入為分詞后的單詞,先映射成詞嵌入向量表示,再使用Bi-LSTM 根據(jù)上下文進(jìn)行編碼,得到詞的表示x*t,最后加權(quán)求和得到文本片段的表示g。第二部分如圖4所示,模型的輸入為第一部分輸出的片段嵌入表示g,先計(jì)算可能是代詞或先行詞的概率,將概率過低的去除,以減少計(jì)算復(fù)雜度;然后將剪枝后的片段兩兩配對(duì),計(jì)算兩個(gè)表述間存在指代關(guān)系的概率,通過加權(quán)計(jì)算得到最終的概率,抽取得分高的構(gòu)成最終的指代簇。

    圖3 e2e-coref第一部分

    圖4 e2e-coref第二部分

    本文中的共指消解任務(wù)利用了改進(jìn)后的e2e-coref模型,使用fast Text[17]中文預(yù)訓(xùn)練詞向量,以適應(yīng)中文共指消解任務(wù)。

    2.2 任務(wù)型對(duì)話

    任務(wù)型對(duì)話的目的是通過對(duì)話完成特定的任務(wù)。早期的任務(wù)型對(duì)話[18-20]是由語言理解(NLU)、對(duì)話管理(DM)、語言生成(NLG)等多個(gè)功能部分組合而成的模塊化系統(tǒng);隨著深度學(xué)習(xí)的發(fā)展,任務(wù)型對(duì)話系統(tǒng)也逐漸開始引入神經(jīng)網(wǎng)絡(luò)[21-22]。

    Zhang等[23]提出的DAMD 模型,使用端到端的方式,減少了各個(gè)模塊單獨(dú)訓(xùn)練的性能損耗;同時(shí)能夠有效捕捉問句與答句間一對(duì)多的映射關(guān)系,是目前性能最優(yōu)的端到端生成式任務(wù)型對(duì)話模型。因此,本文把DAMD 作為基線對(duì)話模型,并在此基礎(chǔ)上提出改進(jìn)方法。

    DAMD由1個(gè)編碼器和3個(gè)解碼器組成,如圖5所示。

    圖5 DAMD 模型

    第t輪的問句和回復(fù)分別可以形式化為Ut和Rt,在第t輪時(shí),首先使用Context Encoder將上一輪的回復(fù)Rt-1和這一輪的問句Ut進(jìn)行編碼,得到相應(yīng)的句子表示。然后使用Belief Span Decoder解析出對(duì)話的意圖,根據(jù)上一輪的Belief Span和句子表示解碼得到第t輪的Belief Span,記為Bt,計(jì)算如式(1)所示。

    得到當(dāng)前輪問句的意圖后,進(jìn)行數(shù)據(jù)庫檢索,獲取相應(yīng)信息DBt,并與問句拼接后,使用Action Span Decoder解碼得到接下來要執(zhí)行的動(dòng)作Action Span,記為At,如式(2)所示。

    最后利用Response Decoder,生成最終的回復(fù)Rt,如式(3)所示。

    3 使用指代簇恢復(fù)對(duì)話的完整語義

    本節(jié)主要介紹第一個(gè)改進(jìn)方法。在Zhang等人[23]的工作上進(jìn)行擴(kuò)展,在對(duì)話模型前加入了一個(gè)語義恢復(fù)模塊(Semantic Recovery,SR),把代詞消解作為一個(gè)對(duì)話的預(yù)處理步驟,使用指代簇恢復(fù)問句的完整語義,降低句子理解的難度,以增強(qiáng)對(duì)話生成任務(wù),如圖6所示。

    圖6 DAMD+SR 模型

    在經(jīng)過了e2e-coref模型后,可以從對(duì)話上下文中得到一個(gè)最終的指代簇Ct,但并不能知道指代簇中的文本片段是代詞還是實(shí)體,這給替換代詞恢復(fù)語義的工作造成了一定的困難。

    在英語中,代詞有復(fù)指(anaphora)和預(yù)指(cataphora)兩種用法,復(fù)指為代詞在其所指代的詞之后,預(yù)指則為代詞出現(xiàn)在其指代的詞之前。但在中文中,代詞一般只用于復(fù)指,而極少為預(yù)指形式[24]。

    因此,本文將此方法簡(jiǎn)化:把指代簇中出現(xiàn)的第一個(gè)表述都看作實(shí)體,后面的表述無論是實(shí)體還是代詞表示的都是第一個(gè)實(shí)體。在語義恢復(fù)時(shí),直接把指代簇中第二個(gè)及其之后的所有表述全部替換為第一個(gè)實(shí)體,以達(dá)到消解代詞的作用。在共指消解準(zhǔn)確率較高的情況下,此方法能有效恢復(fù)語義。

    4 融合指代簇到對(duì)話生成模型

    本節(jié)介紹第二個(gè)改進(jìn)方法,將指代簇作為額外信息融入對(duì)話模型,增強(qiáng)對(duì)話模型的編碼能力。

    根據(jù)指代簇恢復(fù)句子完整語義的方法雖然取得了一定的消解效果,但此方法仍然存在一定的局限:①在執(zhí)行共指消解前要預(yù)先進(jìn)行分詞處理,然而中文分詞存在一定的誤差,會(huì)導(dǎo)致解析出的指代簇含有部分錯(cuò)誤,如圖7中例1所示;②雖然端到端共指消解模型取得了不錯(cuò)的效果,超過了所有傳統(tǒng)方法,但準(zhǔn)確率依然只能達(dá)到84%左右。在執(zhí)行代詞替換時(shí),錯(cuò)誤的指代簇可能反而會(huì)引入一些原本沒有的錯(cuò)誤,如圖7中例2所示。

    圖7 語義恢復(fù)錯(cuò)誤樣例

    針對(duì)上述問題,本文在模型上進(jìn)行改進(jìn),將指代簇信息先編碼,再引入對(duì)話模型,由模型自主選擇指代簇中信息進(jìn)行利用,增強(qiáng)模型的建模理解能力。

    指代簇表示的是文本中詞與詞之間的關(guān)系。從形式上看,其并不是簡(jiǎn)單的一維序列結(jié)構(gòu),而是一種類似于圖的結(jié)構(gòu)化信息。本文利用圖卷積網(wǎng)絡(luò)[25]擅于對(duì)結(jié)構(gòu)化信息建模的特點(diǎn),將問句和指代簇構(gòu)建成一張圖(Graph),如圖8所示。

    圖8 GCN 編碼所使用的Graph

    使用GCN 對(duì)構(gòu)建的圖進(jìn)行編碼,如式(4)和式(5)所示。其中,h(l)i為節(jié)點(diǎn)i在第l層的特征,N(i)為節(jié)點(diǎn)i相鄰節(jié)點(diǎn)的集合,cij為歸一化因子。

    Gt為各個(gè)節(jié)點(diǎn)表示的拼接,如式(5)所示。

    把GCN 輸出的信息Gt與DAMD 中的Context Encoder 的輸出進(jìn)行融合,經(jīng)過Belief Span Decoder得到第t輪的Belief Span,即問句的意圖,記為Bt,如式(6)所示。

    然后使用Action Span Decoder解碼得到第t輪的Action Span,即要執(zhí)行的Action,記為At,如式(7)所示。

    最后,根據(jù)先前得到的Bt和At等信息,生成最后的回復(fù)語句Rt,如式(8)所示。

    模型結(jié)構(gòu)如圖9所示。通過這種方式,把指代簇信息間接地引入到了對(duì)話模型,增強(qiáng)了對(duì)話模型的語言理解能力,又不影響原先句子的流暢度。這種方法還不用考慮指代簇中詞的關(guān)系,具有更好的擴(kuò)展性。

    圖9 DAMD+GCN 模型

    5 實(shí)驗(yàn)設(shè)置及實(shí)驗(yàn)結(jié)果

    本節(jié)介紹了實(shí)驗(yàn)的相關(guān)設(shè)置、評(píng)價(jià)指標(biāo),并給出了相應(yīng)的實(shí)驗(yàn)結(jié)果。

    5.1 實(shí)驗(yàn)設(shè)置

    本文提出的方法在RiSAWOZ 數(shù)據(jù)集[4]上進(jìn)行了實(shí)驗(yàn),這是迄今為止規(guī)模最大的中文任務(wù)型對(duì)話公開數(shù)據(jù)集,同時(shí)還標(biāo)注了大量的對(duì)話語言特征,包括指代簇、省略補(bǔ)全信息等。

    首先使用RiSAWOZ數(shù)據(jù)集中的共指消解任務(wù)數(shù)據(jù)訓(xùn)練了共指消解模型。由于本文中的任務(wù)在中文對(duì)話上運(yùn)行,我們對(duì)e2e-coref模型做了修改,使用fast Text[17]中文預(yù)訓(xùn)練詞向量增強(qiáng)模型。

    在得到共指消解模型e2e-coref 后,本文在RiSAWOZ數(shù)據(jù)集上進(jìn)行了對(duì)話生成的實(shí)驗(yàn),本文使用了10 000段對(duì)話作為訓(xùn)練集,開發(fā)集和測(cè)試集各使用600段。其中,平均每段對(duì)話含有1.77條指代簇,數(shù)據(jù)的詳細(xì)信息見表1。

    表1 RiSAWOZ數(shù)據(jù)集

    本文使用DAMD 模型作為基準(zhǔn)系統(tǒng),其中詞向量維度設(shè)為50,編碼器的隱層大小設(shè)置為100,隨機(jī)初始化模型參數(shù),并在訓(xùn)練過程中更新這部分參數(shù)。實(shí)驗(yàn)采用了Adam 模型[26]更新參數(shù),其中β1=0.9,β2=0.999。在使用第4 節(jié)提出的GCN 方法時(shí),GCN 的層數(shù)設(shè)置為1層。其余與Zhang等[23]的實(shí)驗(yàn)設(shè)置保持一致。

    由于GCN模型使用的依賴與DAMD 模型存在兼容問題,本文使用了Py Torch-1.5 版本和dgl-0.5庫,并重新評(píng)測(cè)了基線模型性能。

    5.2 評(píng)價(jià)指標(biāo)

    本文借鑒了Zhang等[23]的實(shí)驗(yàn),使用Inform、Success、BLEU 和Combine作為本實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)。其中,Inform 是Belief Span的準(zhǔn)確率,Success是Action Span的準(zhǔn)確率,BLEU 是評(píng)價(jià)生成回復(fù)與參考回復(fù)的相似度;Combine是上述三個(gè)指標(biāo)的加權(quán)得分,其計(jì)算如式(9)所示。

    5.3 實(shí)驗(yàn)結(jié)果

    表2展示了本文提出的改進(jìn)方法和基線模型在RiSAWOZ數(shù)據(jù)集上的性能。同時(shí),相關(guān)實(shí)驗(yàn)還按對(duì)話涉及的領(lǐng)域數(shù)量進(jìn)行劃分,計(jì)算了在單領(lǐng)域、多領(lǐng)域和全領(lǐng)域數(shù)據(jù)下的模型性能。

    表2 實(shí)驗(yàn)結(jié)果

    續(xù)表

    從不同模型在全領(lǐng)域數(shù)據(jù)上的性能表現(xiàn)可以發(fā)現(xiàn),與基線模型相比,本文提出的語義恢復(fù)方法(+SR)在全部3 個(gè)指標(biāo)上均能有提升,在綜合的Combine Score上提升了2.56個(gè)百分點(diǎn);使用指代簇增強(qiáng)對(duì)話模型的方法(+GCN)則在所有指標(biāo)上都超過了基線模型,在Inform 指標(biāo)上提升2.72;在Success指標(biāo)上提升4.03;在BLEU 上提升1.3個(gè)百分點(diǎn);在Combine Score上,相比SR 方法進(jìn)一步提升了2.115個(gè)百分點(diǎn),相比基線模型則提升了4.675個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明,本文提出的方法能夠更準(zhǔn)確地識(shí)別Belief Span,進(jìn)而生成出更優(yōu)的回復(fù)。

    從模型在不同領(lǐng)域數(shù)據(jù)上的性能表現(xiàn)來看,多領(lǐng)域數(shù)據(jù)上的模型性能比單領(lǐng)域的有不小差距,與Quan等人[4]實(shí)驗(yàn)中的描述一致。在單領(lǐng)域和多領(lǐng)域數(shù)據(jù)上,基線模型、+SR、+GCN 方法的性能依次增強(qiáng),與全領(lǐng)域數(shù)據(jù)上的模型性能表現(xiàn)一致。

    6 實(shí)驗(yàn)分析

    本節(jié)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析,分析了指代簇對(duì)生成式對(duì)話模型的性能提升的有效性,比較了本文提出的兩個(gè)方法間的差異,驗(yàn)證了方法的有效性。

    6.1 指代簇?cái)?shù)量對(duì)對(duì)話模型性能的影響

    本文提出的方法是通過不同方式利用指代簇信息增強(qiáng)對(duì)話模型的性能,本節(jié)通過實(shí)驗(yàn)分析驗(yàn)證指代簇對(duì)生成式對(duì)話模型的提升的有效性。

    在5.3節(jié)的實(shí)驗(yàn)結(jié)果中,先使用e2e-coref模型在對(duì)話上下文中抽取出所有的指代簇,然后繼續(xù)做相應(yīng)的處理。為了驗(yàn)證指代簇對(duì)對(duì)話模型的提升有效性,本文做了進(jìn)一步的實(shí)驗(yàn),在解碼過程中,將共指消解中解析出的指代簇按比例隨機(jī)掩去,保留20%、40%、60%、80%、100%的指代簇用作比較,模擬不同召回率情況下的對(duì)話模型各指標(biāo)提升效果。實(shí)驗(yàn)的性能如圖10所示。

    圖10 使用不同數(shù)量指代簇的模型性能對(duì)比

    從圖10可以看出,隨著指代簇?cái)?shù)量的增多,模型的性能緩慢提升,指代簇的召回率越高,對(duì)生成式對(duì)話模型的幫助越大。與基線模型相比,兩個(gè)方法在Combine Score指標(biāo)上都更強(qiáng)。這表明,引入指代簇的信息,確實(shí)能夠有效提升對(duì)話模型的生成性能。

    6.2 指代簇質(zhì)量對(duì)對(duì)話模型的影響

    本文提出的兩個(gè)增強(qiáng)方法,區(qū)別主要在于利用指代簇信息的方式不同,第3節(jié)提出的方法是使用指代簇恢復(fù)對(duì)話源端語句的完整語義,降低句子的理解難度;第4節(jié)提出的方法則是將指代簇作為額外信息編碼,整合進(jìn)對(duì)話生成模型,增強(qiáng)對(duì)話模型的語言理解能力。本節(jié)探究了這兩個(gè)方法的區(qū)別,主要是指代簇質(zhì)量的高低對(duì)這兩個(gè)方法性能的影響,分析兩個(gè)方法的魯棒性。

    為了驗(yàn)證兩個(gè)方法對(duì)指代簇質(zhì)量的敏感程度,在訓(xùn)練對(duì)話模型時(shí),給訓(xùn)練數(shù)據(jù)中的指代簇隨機(jī)添加噪聲,噪聲的比例按10%遞增,模擬不同消解準(zhǔn)確率下對(duì)話模型的性能表現(xiàn)。

    如圖11所示,在不添加任何噪聲的情況下,兩個(gè)方法都達(dá)到了最高性能,隨著噪聲的增多,兩個(gè)方法的性能都開始逐漸下降。這說明繼續(xù)提高共指消解模型的性能,提高指代簇準(zhǔn)確率,能夠進(jìn)一步提升對(duì)話模型的性能。

    圖11 添加不同數(shù)量噪聲的模型性能對(duì)比

    在兩個(gè)方法的比較上,在0%和50%噪聲情況下做對(duì)比,SR方法性能下降了1.07%,而GCN 方法性能下降了1.02%,表明GCN 方法的性能損失更少,魯棒性更佳,確實(shí)優(yōu)于基線模型和SR方法。

    6.3 實(shí)例分析

    表3中展示的是對(duì)話的一個(gè)生成示例,可以看到在對(duì)話的問句中存在代詞“這部片子”,這給作為基線模型的DAMD 模型造成了一定的影響,使得模型錯(cuò)誤地認(rèn)為當(dāng)前談?wù)摰氖请娨晞☆I(lǐng)域,造成后續(xù)一系列問題。

    表3 回復(fù)樣例比較

    SR 和GCN 方法則先對(duì)上下文做共指消解,抽取出對(duì)話文本中的指代簇,降低代詞對(duì)語言理解模型的影響。結(jié)合了SR 方法的模型,將問句恢復(fù)為“最后我想問問武狀元蘇乞兒還有哪些主演?”后,模型能夠準(zhǔn)確地識(shí)別出對(duì)話意圖為詢問電影領(lǐng)域的主演名單和片長(zhǎng)兩個(gè)槽,但直接替換破壞了語句的流暢度,造成回復(fù)生成質(zhì)量一般。結(jié)合了GCN 方法的模型,將指代簇作為輔助信息編碼進(jìn)對(duì)話模型,解析的act span準(zhǔn)確,生成的回復(fù)完整且質(zhì)量高,顯示出了更好的性能。這表明,借助指代簇的信息,能夠有效提升含有代詞語句的語言理解能力;另一方面,GCN 方法相比SR 方法能夠在保證共指消解的情況下,取得更好的生成質(zhì)量。

    7 總結(jié)

    本文提出了兩種使用指代簇信息增強(qiáng)任務(wù)型對(duì)話生成模型的方法。與之前的方法不同,本文提出的方法都是先通過共指消解模型抽取出對(duì)話上下文中的指代簇,然后使用指代簇來增強(qiáng)對(duì)話模型。進(jìn)一步的,使用指代簇恢復(fù)出含有代詞問句的完整語義,以降低句子的語言理解難度;使用GCN 將指代簇作為額外信息編碼,增強(qiáng)對(duì)話模型的語言編碼能力,在引入指代信息的同時(shí),保留了對(duì)話的自然特征,進(jìn)一步提高了對(duì)話的生成質(zhì)量。與之前的方法相比,本文提出的方法過程更可控,使用更靈活,且取得了顯著的性能提升。

    未來工作中,我們會(huì)進(jìn)一步探索如何在對(duì)話生成模型中更加有效地融合指代信息。

    猜你喜歡
    指代代詞性能
    Let’s Save Food To Fight Hunger
    復(fù)合不定代詞點(diǎn)撥
    奧卡姆和布列丹對(duì)指代劃分的比較
    代詞(一)
    代詞(二)
    提供將近80 Gbps的帶寬性能 DisplayPort 2.0正式發(fā)布
    這樣將代詞考分收入囊中
    Al-Se雙元置換的基于LGPS的thio-LISICON的制備與性能表征
    強(qiáng)韌化PBT/PC共混物的制備與性能
    “不一而足”話討論
    欧美在线一区亚洲| 午夜福利在线免费观看网站| 亚洲av成人不卡在线观看播放网 | 久久天躁狠狠躁夜夜2o2o | 最黄视频免费看| 欧美日韩亚洲综合一区二区三区_| 午夜福利乱码中文字幕| av线在线观看网站| 国产日韩欧美视频二区| 人妻人人澡人人爽人人| 国产精品一区二区在线不卡| 十分钟在线观看高清视频www| 老司机影院毛片| av视频免费观看在线观看| 日韩免费高清中文字幕av| 久久人人爽av亚洲精品天堂| 男女边吃奶边做爰视频| 午夜av观看不卡| 波野结衣二区三区在线| 无遮挡黄片免费观看| 久久99热这里只频精品6学生| 亚洲欧美成人综合另类久久久| 少妇被粗大的猛进出69影院| 国产爽快片一区二区三区| 成年人午夜在线观看视频| 各种免费的搞黄视频| 精品福利永久在线观看| 国产一区二区三区综合在线观看| 女人爽到高潮嗷嗷叫在线视频| 制服人妻中文乱码| 成年女人毛片免费观看观看9 | 乱人伦中国视频| 婷婷成人精品国产| 久久人人爽人人片av| 欧美精品啪啪一区二区三区 | 日韩大码丰满熟妇| 一级毛片黄色毛片免费观看视频| 欧美人与善性xxx| 国产成人一区二区在线| 国产精品麻豆人妻色哟哟久久| 自线自在国产av| 亚洲精品成人av观看孕妇| 欧美 亚洲 国产 日韩一| 少妇猛男粗大的猛烈进出视频| 搡老乐熟女国产| 国产片内射在线| 国产精品三级大全| 欧美黄色淫秽网站| 亚洲一区二区三区欧美精品| 久久中文字幕一级| 国产精品.久久久| 高清视频免费观看一区二区| 亚洲人成网站在线观看播放| 国产日韩欧美在线精品| 国产在线一区二区三区精| 天天躁夜夜躁狠狠躁躁| 性色av一级| 97精品久久久久久久久久精品| 国产精品久久久久久精品电影小说| 99国产精品一区二区三区| 99久久综合免费| av国产久精品久网站免费入址| 啦啦啦视频在线资源免费观看| 高清不卡的av网站| av在线播放精品| 男男h啪啪无遮挡| 色综合欧美亚洲国产小说| 一本色道久久久久久精品综合| 免费不卡黄色视频| 日本vs欧美在线观看视频| 国产麻豆69| 又大又黄又爽视频免费| 免费不卡黄色视频| 精品国产乱码久久久久久小说| 日本色播在线视频| 亚洲美女黄色视频免费看| 欧美日韩成人在线一区二区| 久久九九热精品免费| 制服诱惑二区| 国产黄色免费在线视频| 久久免费观看电影| 国产精品偷伦视频观看了| 超色免费av| 久9热在线精品视频| 成年人黄色毛片网站| 亚洲国产av影院在线观看| 一区二区av电影网| 大话2 男鬼变身卡| 久久久国产欧美日韩av| 免费看av在线观看网站| 国产99久久九九免费精品| 亚洲情色 制服丝袜| 亚洲欧美日韩高清在线视频 | 在线观看一区二区三区激情| 国产一区有黄有色的免费视频| av欧美777| 欧美精品高潮呻吟av久久| 91成人精品电影| 日本91视频免费播放| 丝袜喷水一区| 国产日韩欧美在线精品| 欧美在线黄色| 久久精品熟女亚洲av麻豆精品| 午夜福利一区二区在线看| 亚洲国产精品999| 久久精品aⅴ一区二区三区四区| 日韩视频在线欧美| 精品一品国产午夜福利视频| 成人午夜精彩视频在线观看| 久久亚洲国产成人精品v| 亚洲成色77777| av有码第一页| 人体艺术视频欧美日本| 久久人妻熟女aⅴ| 国产有黄有色有爽视频| 亚洲欧美精品自产自拍| 99国产精品一区二区蜜桃av | 亚洲国产精品一区二区三区在线| 久久精品国产亚洲av高清一级| 久久人妻熟女aⅴ| 天堂中文最新版在线下载| 纵有疾风起免费观看全集完整版| 麻豆av在线久日| 欧美日韩视频精品一区| 男人操女人黄网站| 免费高清在线观看视频在线观看| 午夜av观看不卡| 亚洲欧洲国产日韩| 久久久久视频综合| √禁漫天堂资源中文www| 精品一区二区三区av网在线观看 | 亚洲三区欧美一区| 免费在线观看影片大全网站 | 午夜免费观看性视频| 日韩精品免费视频一区二区三区| 赤兔流量卡办理| videosex国产| 精品国产一区二区三区久久久樱花| 久久久国产精品麻豆| 一级毛片黄色毛片免费观看视频| 少妇裸体淫交视频免费看高清 | 美女高潮到喷水免费观看| 久久久精品免费免费高清| 伊人久久大香线蕉亚洲五| 日韩制服丝袜自拍偷拍| 韩国精品一区二区三区| 97精品久久久久久久久久精品| 国产黄色视频一区二区在线观看| 欧美国产精品va在线观看不卡| 国产片特级美女逼逼视频| 亚洲专区国产一区二区| 久久久久久人人人人人| 国产xxxxx性猛交| 成人午夜精彩视频在线观看| 一区二区日韩欧美中文字幕| 国产91精品成人一区二区三区 | 国产男人的电影天堂91| 精品一区二区三区av网在线观看 | 热99国产精品久久久久久7| 亚洲欧美精品综合一区二区三区| 亚洲av片天天在线观看| 色婷婷久久久亚洲欧美| 亚洲精品在线美女| 男人舔女人的私密视频| 午夜影院在线不卡| 欧美人与善性xxx| 黑丝袜美女国产一区| 亚洲欧美精品自产自拍| 中国美女看黄片| 成人手机av| 一区在线观看完整版| 狂野欧美激情性xxxx| 首页视频小说图片口味搜索 | 日韩电影二区| 日本黄色日本黄色录像| 欧美xxⅹ黑人| 女警被强在线播放| 国产欧美日韩综合在线一区二区| 男女之事视频高清在线观看 | 国产av精品麻豆| 欧美在线一区亚洲| 中文字幕人妻熟女乱码| 欧美人与性动交α欧美精品济南到| 国产欧美日韩综合在线一区二区| 午夜久久久在线观看| 大码成人一级视频| 欧美中文综合在线视频| 啦啦啦视频在线资源免费观看| 夜夜骑夜夜射夜夜干| 韩国高清视频一区二区三区| 新久久久久国产一级毛片| 自线自在国产av| 久久久国产欧美日韩av| a级片在线免费高清观看视频| 久久中文字幕一级| 波野结衣二区三区在线| 日韩人妻精品一区2区三区| 后天国语完整版免费观看| 99热国产这里只有精品6| 亚洲伊人久久精品综合| 亚洲国产中文字幕在线视频| 精品高清国产在线一区| 国产成人av激情在线播放| 亚洲综合色网址| 亚洲精品乱久久久久久| www.熟女人妻精品国产| 久久人人爽av亚洲精品天堂| 女人爽到高潮嗷嗷叫在线视频| 久久国产精品影院| 国产爽快片一区二区三区| 99久久人妻综合| 午夜免费观看性视频| 久久人妻熟女aⅴ| 亚洲av成人精品一二三区| 国产精品免费大片| 黑人欧美特级aaaaaa片| av一本久久久久| 丁香六月欧美| 亚洲三区欧美一区| 久热这里只有精品99| 精品福利永久在线观看| 大码成人一级视频| 咕卡用的链子| 天天躁夜夜躁狠狠躁躁| 少妇被粗大的猛进出69影院| 中文字幕人妻丝袜一区二区| 丝袜美腿诱惑在线| 国产成人av教育| 国产成人免费无遮挡视频| 悠悠久久av| 午夜视频精品福利| 欧美在线黄色| 久久久国产精品麻豆| 18在线观看网站| 青草久久国产| 国产一区二区在线观看av| 免费久久久久久久精品成人欧美视频| 亚洲欧美日韩高清在线视频 | 亚洲精品美女久久av网站| 日韩人妻精品一区2区三区| 操美女的视频在线观看| 亚洲欧洲精品一区二区精品久久久| 大片免费播放器 马上看| 又紧又爽又黄一区二区| 涩涩av久久男人的天堂| 久久亚洲国产成人精品v| 亚洲一码二码三码区别大吗| 亚洲国产av影院在线观看| 欧美日韩国产mv在线观看视频| 韩国高清视频一区二区三区| 中文字幕制服av| 国产成人系列免费观看| 国产一区二区三区综合在线观看| 如日韩欧美国产精品一区二区三区| 色视频在线一区二区三区| 久久精品久久久久久久性| 免费在线观看完整版高清| 1024视频免费在线观看| 欧美日韩视频精品一区| 日本猛色少妇xxxxx猛交久久| 亚洲欧美日韩高清在线视频 | a级毛片在线看网站| 制服人妻中文乱码| 在线 av 中文字幕| 99热全是精品| 精品一品国产午夜福利视频| 国产成人精品无人区| 操美女的视频在线观看| 国产精品三级大全| 免费av中文字幕在线| 亚洲自偷自拍图片 自拍| 男女午夜视频在线观看| 亚洲九九香蕉| 亚洲国产av影院在线观看| 国产激情久久老熟女| 国语对白做爰xxxⅹ性视频网站| 97精品久久久久久久久久精品| 日韩制服丝袜自拍偷拍| 赤兔流量卡办理| 日韩人妻精品一区2区三区| 一边亲一边摸免费视频| 国产老妇伦熟女老妇高清| 又紧又爽又黄一区二区| 波多野结衣av一区二区av| 看十八女毛片水多多多| 国产精品一国产av| 久久久精品94久久精品| 99国产精品99久久久久| 亚洲av综合色区一区| 一二三四在线观看免费中文在| 黑人巨大精品欧美一区二区蜜桃| www.av在线官网国产| 美女主播在线视频| 国产成人免费无遮挡视频| 国产深夜福利视频在线观看| 国产男女超爽视频在线观看| 成人国语在线视频| 亚洲中文日韩欧美视频| 国产视频一区二区在线看| 欧美黑人精品巨大| 高清黄色对白视频在线免费看| 国产激情久久老熟女| 在线 av 中文字幕| 新久久久久国产一级毛片| 久久久国产精品麻豆| 国产国语露脸激情在线看| 国产精品三级大全| 下体分泌物呈黄色| 一区福利在线观看| 日韩一本色道免费dvd| 精品第一国产精品| 亚洲中文字幕日韩| 国产在线观看jvid| 高清黄色对白视频在线免费看| 亚洲av男天堂| 99国产精品一区二区三区| 无遮挡黄片免费观看| 欧美亚洲 丝袜 人妻 在线| 又粗又硬又长又爽又黄的视频| 丁香六月欧美| 999久久久国产精品视频| 一本一本久久a久久精品综合妖精| 欧美在线一区亚洲| 亚洲综合色网址| 一边摸一边做爽爽视频免费| 久久久精品免费免费高清| 精品国产一区二区三区久久久樱花| 久久久久视频综合| 九色亚洲精品在线播放| 考比视频在线观看| 精品国产乱码久久久久久小说| 欧美少妇被猛烈插入视频| 一本大道久久a久久精品| 国产在线观看jvid| 国产成人精品无人区| 午夜免费鲁丝| 天天躁狠狠躁夜夜躁狠狠躁| 黄色一级大片看看| 日本av免费视频播放| 啦啦啦中文免费视频观看日本| 欧美日韩亚洲高清精品| www.av在线官网国产| 国产精品人妻久久久影院| 婷婷色综合www| 乱人伦中国视频| 人体艺术视频欧美日本| 七月丁香在线播放| 久久精品亚洲熟妇少妇任你| 国产av一区二区精品久久| 99香蕉大伊视频| 夜夜骑夜夜射夜夜干| 欧美日韩亚洲高清精品| 人人妻人人爽人人添夜夜欢视频| 中文欧美无线码| 亚洲精品国产av成人精品| 成人午夜精彩视频在线观看| 成年人黄色毛片网站| 国产精品免费大片| 一级a爱视频在线免费观看| 无遮挡黄片免费观看| 精品福利永久在线观看| 日韩av免费高清视频| 黄网站色视频无遮挡免费观看| 人人妻人人爽人人添夜夜欢视频| 久久久精品国产亚洲av高清涩受| 日日摸夜夜添夜夜爱| 久久人人97超碰香蕉20202| 视频区欧美日本亚洲| 各种免费的搞黄视频| 亚洲av片天天在线观看| 女人被躁到高潮嗷嗷叫费观| 午夜福利免费观看在线| 亚洲av男天堂| 色婷婷久久久亚洲欧美| 欧美黑人欧美精品刺激| 少妇的丰满在线观看| 国产精品一二三区在线看| 国产亚洲欧美在线一区二区| 久久ye,这里只有精品| 国产在线一区二区三区精| 超色免费av| 欧美国产精品va在线观看不卡| a级片在线免费高清观看视频| 香蕉国产在线看| 一边亲一边摸免费视频| 中文乱码字字幕精品一区二区三区| 国产av一区二区精品久久| 欧美在线一区亚洲| √禁漫天堂资源中文www| 一级黄片播放器| 九草在线视频观看| 又粗又硬又长又爽又黄的视频| 热re99久久国产66热| 亚洲少妇的诱惑av| 国产伦人伦偷精品视频| 日韩av免费高清视频| 欧美 日韩 精品 国产| 人妻 亚洲 视频| a级毛片在线看网站| 高潮久久久久久久久久久不卡| 国产爽快片一区二区三区| 91精品三级在线观看| 男女下面插进去视频免费观看| 国产高清国产精品国产三级| 国产视频一区二区在线看| 尾随美女入室| 成人手机av| 精品国产国语对白av| 国产欧美日韩一区二区三 | 成年人免费黄色播放视频| 一本—道久久a久久精品蜜桃钙片| 亚洲欧美清纯卡通| www.自偷自拍.com| 亚洲七黄色美女视频| 欧美中文综合在线视频| 亚洲图色成人| 大话2 男鬼变身卡| 国产男人的电影天堂91| 日韩中文字幕欧美一区二区 | 亚洲精品乱久久久久久| 欧美国产精品va在线观看不卡| 久久毛片免费看一区二区三区| 午夜av观看不卡| 免费在线观看视频国产中文字幕亚洲 | 在线av久久热| 亚洲欧美一区二区三区久久| 成年av动漫网址| 午夜福利在线免费观看网站| av网站在线播放免费| 久久人人97超碰香蕉20202| 汤姆久久久久久久影院中文字幕| 中文字幕最新亚洲高清| 亚洲国产成人一精品久久久| 免费观看人在逋| 男女国产视频网站| 精品亚洲成国产av| 男女下面插进去视频免费观看| svipshipincom国产片| 免费看av在线观看网站| 99国产综合亚洲精品| 搡老乐熟女国产| 人体艺术视频欧美日本| 亚洲国产欧美一区二区综合| www.精华液| 国产亚洲一区二区精品| 欧美日本中文国产一区发布| 成人国产av品久久久| 久久人人97超碰香蕉20202| 黄频高清免费视频| 多毛熟女@视频| 久久人人97超碰香蕉20202| 亚洲一码二码三码区别大吗| 青青草视频在线视频观看| 久久久久久人人人人人| 超色免费av| 国产免费一区二区三区四区乱码| 在线观看一区二区三区激情| 免费高清在线观看视频在线观看| 国产1区2区3区精品| 亚洲男人天堂网一区| 菩萨蛮人人尽说江南好唐韦庄| 国产老妇伦熟女老妇高清| 久久久久精品人妻al黑| 亚洲免费av在线视频| 久久久久久免费高清国产稀缺| 夫妻性生交免费视频一级片| 精品第一国产精品| 日韩电影二区| 两性夫妻黄色片| av不卡在线播放| 考比视频在线观看| 国产成人免费观看mmmm| 国产精品国产三级国产专区5o| 天堂中文最新版在线下载| 人人妻人人添人人爽欧美一区卜| 亚洲国产毛片av蜜桃av| 日韩伦理黄色片| 日韩 亚洲 欧美在线| 大香蕉久久网| 亚洲国产中文字幕在线视频| 人人妻,人人澡人人爽秒播 | 亚洲国产av新网站| 亚洲五月色婷婷综合| 欧美精品一区二区大全| 日本欧美国产在线视频| av有码第一页| 一边亲一边摸免费视频| 亚洲精品在线美女| 性色av乱码一区二区三区2| 啦啦啦中文免费视频观看日本| 欧美变态另类bdsm刘玥| 91麻豆av在线| 精品人妻1区二区| 69精品国产乱码久久久| 秋霞在线观看毛片| 国产免费福利视频在线观看| 国产免费一区二区三区四区乱码| 亚洲,欧美,日韩| 一级毛片电影观看| 国产成人系列免费观看| 国产欧美日韩综合在线一区二区| 亚洲欧美日韩另类电影网站| 性色av乱码一区二区三区2| 丝袜美足系列| 99re6热这里在线精品视频| 国产精品成人在线| av国产久精品久网站免费入址| a级片在线免费高清观看视频| 18在线观看网站| 热re99久久国产66热| 亚洲精品美女久久av网站| 亚洲国产精品一区三区| 久久久精品免费免费高清| 成年女人毛片免费观看观看9 | 丰满少妇做爰视频| 亚洲精品美女久久av网站| 国产人伦9x9x在线观看| 日韩 欧美 亚洲 中文字幕| 在线av久久热| 亚洲欧美色中文字幕在线| 最黄视频免费看| 亚洲中文字幕日韩| 国产成人精品久久久久久| 精品高清国产在线一区| 捣出白浆h1v1| 丰满迷人的少妇在线观看| 久热这里只有精品99| 一边亲一边摸免费视频| 精品人妻在线不人妻| 久久热在线av| 欧美激情极品国产一区二区三区| 一区二区三区乱码不卡18| 国产精品久久久久久人妻精品电影 | 国产三级黄色录像| 美女福利国产在线| 肉色欧美久久久久久久蜜桃| 精品福利观看| 久久天躁狠狠躁夜夜2o2o | 日本色播在线视频| 日韩制服丝袜自拍偷拍| 国产精品人妻久久久影院| 考比视频在线观看| 黑人欧美特级aaaaaa片| 19禁男女啪啪无遮挡网站| 女人爽到高潮嗷嗷叫在线视频| 香蕉丝袜av| 亚洲专区国产一区二区| 久久九九热精品免费| 久久人人97超碰香蕉20202| 中文字幕色久视频| 人妻 亚洲 视频| 国产一区二区 视频在线| 亚洲久久久国产精品| 热re99久久国产66热| 精品免费久久久久久久清纯 | 少妇被粗大的猛进出69影院| 青春草亚洲视频在线观看| 国产欧美日韩精品亚洲av| 午夜日韩欧美国产| 天天操日日干夜夜撸| 亚洲中文字幕日韩| 国产极品粉嫩免费观看在线| 日本五十路高清| 国产激情久久老熟女| 1024香蕉在线观看| 高清不卡的av网站| 免费观看av网站的网址| 亚洲一区中文字幕在线| 日韩av在线免费看完整版不卡| 久久久精品区二区三区| 又大又黄又爽视频免费| videos熟女内射| 午夜久久久在线观看| 老汉色av国产亚洲站长工具| 丰满少妇做爰视频| cao死你这个sao货| 久久人人爽人人片av| 亚洲天堂av无毛| 日本91视频免费播放| 国产视频首页在线观看| 亚洲中文av在线| 欧美国产精品va在线观看不卡| 日韩av不卡免费在线播放| 国产亚洲av高清不卡| 亚洲一卡2卡3卡4卡5卡精品中文| av线在线观看网站| 可以免费在线观看a视频的电影网站| 成年动漫av网址| 99久久99久久久精品蜜桃| 国产黄频视频在线观看| 日韩电影二区| 久久精品国产综合久久久| 91国产中文字幕| 精品视频人人做人人爽| 9191精品国产免费久久| 国产精品一国产av| 久热这里只有精品99| 国产在视频线精品| av福利片在线| 亚洲成人国产一区在线观看 | 国产精品久久久久久人妻精品电影 | 色播在线永久视频| 国产色视频综合| 午夜福利乱码中文字幕| av电影中文网址| 麻豆国产av国片精品| 赤兔流量卡办理| 不卡av一区二区三区| 一区二区av电影网| 国产精品二区激情视频| 水蜜桃什么品种好| 一本色道久久久久久精品综合| 美女高潮到喷水免费观看| 建设人人有责人人尽责人人享有的| 一级片'在线观看视频|