ACL 2019 | 使用元词改进自然语言生成_：ACL2019|使用元词改进自然语言生成本

科技频道提示您本文原始标题是：ACL 2019 | 使用元词改进自然语言生成

本文将对 ACL2019论文《Neural Response Generation with Meta-Words》进行解读，这篇论文提出的方法可以“显式”地表示输入和回复间的对应关系，从而使得对话生成的结果变得可解释，同时使生成模型可以允许开发者能够像“拼乐高玩具”一样通过控制一些属性定制对话生成的结果。

论文地址：https://arxiv.org/pdf/1906.06050.pdf

源码地址：源码及数据集尚未公开

论文作者：Can Xu， Wei Wu， Chongyang Tao， Huang Hu， Matt Schuerman， and Ying Wang

人机对话是NLP领域一个基础的问题，传统的研究关注于构建任务导向的对话系统来实现用户在特定领域的特定任务，如餐馆预定等。最近，构建开放域的聊天机器人获得了越来越多的关注，这不仅归功于大规模的人人对话数据的出现，还因为一些真实的对话产品（如微软小冰）的成功。

一个聊天机器人通常是通过encoder-decoder框架的响应生成模型实现的[1]，但其通常存在的一个问题就是容易产生平凡回复（safe response），如“I don’t know”和“me too”等。一般来讲，平凡回复的产生来源于开放域对话中存在的输入和回复间的 “一对多”关系，而传统的Seq2seq结构倾向于记住数据中出现频率高的词汇。