神经网络多轮对话系统

简述

简单来讲，就是把上下文分别用RNN生成向量，计算两个向量变换后的内积对应二分类，判断一个回答是否是正确回答

论文全名：The Ubuntu Dialogue Corpus: A Large Dataset for Research in Unstructured Multi-Turn Dialogue Systems

背景

这篇文章的主要贡献有两点：

1、将Ubuntu相关的聊天内容提取出来，作为对话问题的公共语料库，解决了数据来源的问题

2、在多轮对话中，已知前文(Context)的时候，面临一堆候选回答的时候，用怎样的网络结构能选出正确答案

文章也解释了，为什么没有像其他相关论文那样，直接用encode-decode结构直接生成一个回答，因为还是没法得到好的结果

网络结构

其实网络结构极其简单，把当前的问题，比如“怎么查看进程号”，用RNN进行向量化c，即取RNN最后一个时刻的输出；与候选的回答，比如“用ps ax来看"用同样结构的网络生成的向量r，这两个向量最后转换成一个标量，通过sigmoid函数归到01之间。其实，就是拟合c'=Mr，使得相关回答在变换后，与问题相似。

其他细节

从最后的结果来看，LSTM相对原始RNN来说，有巨大的效果提升，而原始RNN与tfidf的余弦度量得到的结果差不太多

模型的效果与语料的量有很大关系

原始语料中只有正例，负例是随机构造的。

用于翻译模型的度量BLEU不再适用于会话评估。

TODO

文中还提到，参数的初始化方式和优化方法也起到关键作用，RNN隐层特意用了正交向量来初始化，优化算法采用"Adom"方法，这两点之后还要细读一探究竟。

既然本质上也是算变换后的相似性，那微软的相关性模型(DSSM系列非对称型)也适用于这个问题，效果上应当基本是等价的，从经验来看还有可能更快地收敛，如果原模型难以优化，可以尝试下成对训练。