2020/06/17 14:55

ACL20 基于对话图谱的开放域多轮对话策略学习

论文名称：Conversational Graph Grounded Policy Learning for Open-Domain Conversation Generation
论文作者：徐俊，王海峰，牛正雨，吴华，车万翔，刘挺
原创作者：哈工大 SCIR 博士生徐俊
转载须注明出处：哈工大SCIR

1 简介

论文中提出用图的形式捕捉对话转移规律作为先验信息，用于辅助开放域多轮对话策略学习。为此，研究人员首先从对话语料库中构建了一个对话图谱（Conversational Graph），其中节点表示“What to say”和“How to say”，边表示当前句（对话上文中的最后一个语句）与其回复句之间的自然转换。然后，论文中提出了一个基于对话图的策略学习框架，该框架通过图遍历进行对话流规划，学习在每轮从对话图中识别出一个“What”节点和“How”节点来指导回复生成。

这样可以有效地利用对话图谱来促进策略学习，具体如下：

• 可以实现更有效的长期奖励设计；

• 提供高质量的候选操作；

• 让我们对策略有更多的控制。在两个基准语料库的实验结果表明了帮了我了所提框架的有效性；

2 方法

论文中提出了基于对话图谱(CG)的开放域多轮对话策略模型。其中，对话图谱用来捕捉对话中的局部合适度以及全局连贯度信息。直观上，策略模型以图中的What节点 (关键词)作为可解释的离散状态，进而模型得以主动规划对话内容，进而提升多轮连贯度和可控性。

图1是本文方法的框架图，实线椭圆代表“What”节点，实线圆形代表“How”节点。对于当前句（图中Message），策略模型首先将其定位到图中的“What”节点（图中绿色关键词），进而主动规划要聊的内容（图中橙红色的两个节点），再经由生成模型产出回复句（图中Response）。

图1 基于对话图谱的开放域多轮对话策略模型

对话图谱的构建主要包含点（What-节点和How-节点）的构建，以及边的建设两部分。首先，研究人员从对话语料中抽取关键词作为What-节点，关键词使用开源的基于词性等特征的工具抽取，分别挖掘语料上下句中的关键词，组成关键词对，再基于共现频率在What-节点之间建边。

同What-节点直接表达“说什么”不同，How-节点代表“怎么说”，这类节点无法直接从语料中抽取。研究人员基于MMPMS[1]模型学习到的表达方式(隐变量)为How节点集合，再统计What-节点经常使用哪些How-节点解码（表达出来），基于共现频率建边。

抽取工具地址：

http://github.com/squareRoot3/Target-Guided-Conversation

策略模型首先基于映射来做对话理解，根据对话当前句中出现的关键词映射到对话图中的What-节点，召回全部What-节点的所有一阶What-节点邻居提供给Policy；之后，Policy选择其中一个What-节点确定回复内容，再选择该What-节点的一个How-节点，确定回复方式；NLG负责生成具体回复句。论文中将基于对话图谱的策略模型称之为CG-Policy。

为了训练CG-Policy，我们设计了多种来源的奖励信号：

基于句子的奖励
- 句间相关度：我们使用对话下的多轮检索模型[2]为每轮生成的回复句进行相关度打分；
- 句间重复惩罚：我们鼓励多样的内容规划生成，当有超过60%的生成的回复句中的词语在上文中任意一句中同时出现，则判定为重复；
基于图结构的奖励
- 全局连贯度：TransE空间下选中/提及What节点间的平均cosine距离；
- 可持续性：我们鼓励主动聊内容丰富的节点，这样未来可聊的内容会相对更对，具体而言我们使用PageRank打分；

此外，CG-Policy可控性也很好（如要求聊到特定的对话目标节点上），但需要设计相应的奖励函数。具体而言，我们增加了下面的奖励函数：

可控性奖励
- 目标相似度：选定What节点和目标节点在语义空间的cosine距离，该距离表征当前到目标还是多远；
- 到目标节点的图上最短距离；

3 实验设置

我们在常用的公开数据集Weibo[3]和Persona[4]上开展实验。对于基线模型，我们选用下述三个代表性模型。

• LaRL[5]：SOTA 基于隐变量的强化学习对话模型

• ChatMore[6]：关键词增强的生成式对话模型

• TGRM[7]：关键词增强的检索式对话模型

我们在训练LaRL、CG-Policy（本文所提模型）使用MMPMS模型[1]作为用户模拟器，用户模拟器在策略学习过程中参数不变。此外，在机机对话时，所有模型共享该用户模拟器。

为了综合评估模型的效果，我们在多轮和单轮两个层面从以下几个维度分别进行评估：

多轮评估指标
- 全局连贯度（Cohe.）
- 多样性 (Dist-2)
单轮评估指标
- 适合度 (Appr.)，信息丰富度 (Info.)

4. 实验结果

首先，我们在微博语料下分别进行机机、人机实验，从微博语料中抽取构建的对话图谱含有4000个What-节点和10个How-节点，What-节点之间有74,362条边，其中有64%的边经过人工评估表明捕捉了合适的对话转移规律。如表1所示，结果表明CG-Policy在多轮连贯性上显著超越基线。

表格1：微博语料下机机和人机对话实验结果

其次，为了说明CG-Policy中CG的价值、CG如何起作用以及How节点的价值，我们进行了消融实验。实验设置和结果如表2所示。

表格2：消融实验

此外，为了证明所模型有助于提升多轮对话可控性，我们进行引导到特定目标的实验[7]，按照任务设定，我们在Persona语料上进行实验。实验结果如表3所示，表明CG-Policy具有更好的可控性，对话成功率相对基线大幅提升。

5 对话样例

图2 人机对话样例（使用中文对话，翻译成英文）

6 结论

我们提出用对话图谱的形式捕捉对话转移规律作为先验信息，以图中“What-vertex” (关键词)作为可解释的离散状态，用于辅助开放域多轮对话策略学习，生成更加连贯和可控的多轮对话。

实验结果表明所提框架可以取得更好的局部合适度、全局连贯度和给定话题的到达成功率。

参考文献

[1]. Chaotao Chen, Jinhua Peng, Fan Wang, Jun Xu, and Hua Wu. 2019. Generating multiple diverse responses with multi-mapping and posterior mapping selection. Proceedings of IJCAI.

[2]. Antoine Bordes, Nicolas Usunier, Alberto GarciaDuran, Jason Weston, and Oksana Yakhnenko. 2013. Translating embeddings for modeling multirelational data. In Advances in neural information processing systems, pages 2787–2795.

[3]. Lifeng Shang, Zhengdong Lu, and Hang Li. 2015. Neural responding machine for short-text conversation. In Proceedings of ACL-IJCNLP, volume 1, pages 1577–1586.

[4]. Saizheng Zhang, Emily Dinan, Jack Urbanek, Arthur Szlam, Douwe Kiela, and Jason Weston. 2018a. Personalizing dialogue agents: I have a dog, do you have pets too? In Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 22042213.

[5]. Zhao, T.; Xie,K.; and Eskenazi, M. 2019. Rethinking action spaces for reinforcement learning in end-to-end dialog agents with latent variable models. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long andShort Papers), 12081218.

[6]. Lili Yao, Ruijian Xu, Chao Li, Dongyan Zhao, and Rui Yan. 2018. Chat more if you like: Dynamic cue words planning to ﬂow longer conversations. arXiv preprint arXiv:1811.07631.

[7]. Jianheng Tang, Tiancheng Zhao, Chenyan Xiong, Xiaodan Liang, Eric P. Xing, and Zhiting Hu. 2019. Target-guided open-domain conversation. In Proceedings of ACL.

哈工大SCIR

哈尔滨工业大学社会计算与信息检索研究中心

理论对话图谱

相关数据

刘挺人物

哈工大人工智能研究院副院长，国内NLP方向领军人物。

来源：百度百科

基准技术

一种简单的模型或启发法，用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

来源：Google ML Glossary

参数技术

在数学和统计学裡，参数（英语：parameter）是使用通用变量来建立函数和变量之间关系（当这种关系很难用方程来阐述时）的一个数量。

来源：维基百科

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。

来源：机器之心

映射技术

映射指的是具有某种特殊结构的函数，或泛指类函数思想的范畴论中的态射。逻辑和图论中也有一些不太常规的用法。其数学定义为：两个非空集合A与B间存在着对应关系f，而且对于A中的每一个元素x，B中总有有唯一的一个元素y与它对应，就这种对应为从A到B的映射，记作f：A→B。其中，y称为元素x在映射f下的象，记作：y=f(x)。x称为y关于映射f的原象*。*集合A中所有元素的象的集合称为映射f的值域，记作f(A)。同样的，在机器学习中，映射就是输入与输出之间的对应关系。

来源：Wikipedia

语料库技术

语料库一词在语言学上意指大量的文本，通常经过整理，具有既定格式与标记；事实上，语料库英文 "text corpus" 的涵意即为"body of text"。

来源：维基百科

生成模型技术

在概率统计理论中, 生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联合概率分布。在机器学习中，生成模型可以用来直接对数据建模（例如根据某个变量的概率密度函数进行数据采样），也可以用来建立变量间的条件概率分布。

来源：维基百科

隐变量技术

在统计学中，隐变量或潜变量指的是不可观测的随机变量。隐变量可以通过使用数学模型依据观测得的数据被推断出来。

来源：维基百科

强化学习技术

强化学习是一种试错方法，其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划（Dynamic Programming）。流行的强化学习方法包括自适应动态规划（ADP）、时间差分（TD）学习、状态-动作-回报-状态-动作（SARSA）算法、Q 学习、深度强化学习（DQN）；其应用包括下棋类游戏、机器人控制和工作调度等。

来源：机器之心