Apprentissage adversarial sur l'espace latent pour la génération de dialogues diversifiés

Résumé

Générer des réponses pertinentes dans un dialogue est un défi, et nécessite non seulement une modélisation correcte du contexte dans la conversation, mais aussi d'être capable de générer des phrases fluides pendant l'inférence. Dans cet article, nous proposons un cadre en deux étapes basé sur des réseaux adversariaux génératifs pour générer des réponses conditionnées. Notre modèle apprend d'abord une représentation significative des phrases par auto-codage, puis il apprend à faire correspondre une requête d'entrée à la représentation de la réponse, qui est à son tour décodée comme une phrase de réponse. Des évaluations quantitatives et qualitatives montrent que notre modèle génère des réponses plus fluides, plus pertinentes et plus variées que les méthodes existantes de l'état de l'art.