संविधानात्मक विविधता के लिए संवाद स्तर की विविधता को सीखना न्यूरल वार्तालाप मॉडल के लिए शर्तीय भिन्नतादार स्वचालित एन्कोडर्स का उपयोग करते हुए

हालांकि हाल के न्यूरल एन्कोडर-डिकोडर मॉडलों ने खुली-डोमेन बातचीत को मॉडल करने में बड़े वादे दिखाए हैं, वे अक्सर नीरस और सामान्य प्रतिक्रियाएं उत्पन्न करते हैं। पिछले कार्यों के विपरीत, जो इस समस्या को हल करने के लिए डिकोडर के आउटपुट को शब्द स्तर पर विविधता लाने पर ध्यान केंद्रित करते हैं, हम संवैधानिक भिन्नतादार स्वचालित एन्कोडर्स पर आधारित एक नया ढांचा प्रस्तुत करते हैं जो एन्कोडर में संवाद स्तर की विविधता को पकड़ता है। हमारा मॉडल संभावित बातचीत के इरादों के साथ एक वितरण सीखने के लिए निहित चर का उपयोग करता है और केवल लालची डिकोडरों का उपयोग करके विविध प्रतिक्रियाएं उत्पन्न करता है। हमने बेहतर प्रदर्शन के लिए भाषाई प्राथमिकता ज्ञान के साथ एक नया स्वरूप विकसित किया है। अंततः, प्रशिक्षण प्रक्रिया को शब्दों के थैला हानि को पेश करके सुधारा गया है। हमारे प्रस्तावित मॉडलों को बुनियादी दृष्टिकोणों की तुलना में महत्वपूर्ण रूप से अधिक विविध प्रतिक्रियाएं उत्पन्न करने के लिए मान्यता प्राप्त हुई है और ये संवाद स्तर के निर्णय लेने में कौशल प्रदर्शित करते हैं।