《表2 自动评测结果：基于多视角对抗学习的开放域对话生成模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多视角对抗学习的开放域对话生成模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

RGBD模型在豆瓣中文对话语料集上进行对话生成任务的自动化评测结果如表2所示，结果表明，本文模型在相关性、多样性和流畅度上都有所提高。与S2S+A、AL-REGS和AL-BD相比，采用了改写这一想法的Edit和RGBD在流畅度和多样性上都有了很大提高，这说明在完整的句子上进行修改的效果要好于从零生成，这也为以后的对话生成乃至文本生成任务提供了一个极具借鉴意义的思路。与S2S+A相比，AL-REGS在各项指标上都取得了提高，这证明了采用对抗学习的思想能够提高对话生成的质量。在AL-REGS基础上引入了二元判别器的AL-BD，由于能够对句子和对话给出不同权重的反馈值，在多样性和流畅度上也较AL-REGS有比较明显的提高、在相关性上有小幅提高，由此可见将GAN的判别器半黑盒化，利用二元判别器从句子、对话两个方面进行判别能提高生成语句的相关性、多样性和流畅度。最后，集合了改写思想、对抗学习和二元判别器的RGBD，在相关性和流畅度上较Edit提高了约1.69%、1.83%，在多样性上更是有8.82%、25.36%的提升。