Learning Discourse-level Diversity for Neural Dialog Models using Conditional Variational Autoencoders

dialog context c:前k-1个utterances,conversational floor(1或0),meta features(topic)
latent variable z: capture distribution of valid responses
x: response utterance
y:linguistic features(knowledge-guided CVAE)

p(z|c):prior network
p(x|z,c): response decoder,用q(x|z,c) recognition network来模拟
生成过程:sample z, generate x如图c所示

训练过程,如图b所示,通过max L目标函数得到q p的两个参数,从而得到z的分布。再由z生成response


The neural network architectures for the baseline and the proposed CVAE/kgCVAE models. The dashed blue connections only appear in kgCVAE
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

  • 越简单的,就越容易忘记 越平凡的,就越容易被厌弃 . 我知道的,其实都已经给了你 你想要的,我已无能为力 . 你我...
    水摇绢阅读 1,459评论 0 2
  • 陪聊?VS陪聊?! 内心剥了几层皮,我终于下定决心,全身投入心理咨询领域。旧同事很惊讶,做了那么久的稳定工作怎么就...
    金鱼老太婆阅读 4,110评论 9 3
  • 文/加浓 我一直在想这个评价,当他们得知我们俩在一起已有7年,恋爱2年,结婚生子,然后携手到现在,中间从未出现过第...
    加浓阅读 4,097评论 3 5
  • 当骑士在第三节打出小高潮并成功把比分反超时,我长呼一口气,终于将十几分的大坑填平了。要知道在勇士面前落后,那可不是...
    氧气是个地铁阅读 2,828评论 6 0

友情链接更多精彩内容