###好好好#######论文浅尝 | 基于图注意力的常识对话生成

本文主要是介绍###好好好#######论文浅尝 | 基于图注意力的常识对话生成，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

论文浅尝 | 基于图注意力的常识对话生成

OpenKG 祝各位读者新春快乐，猪年吉祥！

来源：IJCAI 2018.

论文下载地址：https://www.ijcai.org/proceedings/2018/0643.pdf

项目源码地址：https://github.com/tuxchow/ccm

动机

在以前的工作中，对话生成的信息源是文本与对话记录。但是这样一来，如果遇到OOV 的词，模型往往难以生成合适的、有信息量的回复，而会产生一些低质量的、模棱两可的回复，这种回复往往质量不高。

为了解决这个问题，有一些利用常识知识图谱生成对话的模型被陆续提出。当使用常识性知识图谱时，由于具备背景知识，模型更加可能理解用户的输入，这样就能生成更加合适的回复。但是，这些结合了文本、对话记录、常识知识图谱的方法，往往只使用了单一三元组，而忽略了一个子图的整体语义，会导致得到的信息不够丰富。

为了解决这些问题，文章提出了一种基于常识知识图谱的对话模型（commonsense knowledge aware conversational model，CCM）来理解对话，并且产生信息丰富且合适的回复。本文提出的方法，利用了大规模的常识性知识图谱。首先是理解用户请求，找到可能相关的知识图谱子图；再利用静态图注意力（static graphattention）机制，结合子图来理解用户请求；最后使用动态图注意力（dynamic graph attention）机制来读取子图，并产生合适的回复。

通过这样的方法，本文提出的模型可以生成合适的、有丰富信息的对话，提高对话系统的质量。

贡献

文章的贡献有：

（1）首次尝试使用大规模常识性知识图谱来处理对话生成问题；

（2）对知识图谱子图，提出了静态/动态图注意力机制来吸收常识知识，利于理解用户请求与生成对话；

（3）对比于其他系统，目前的模型生成的回复是最合适的、语法最正确的、信息最丰富的。

方法

⒈ Encoder-Decoder 模型

经典的Encoder-Decoder模型是基于sequence-to-sequence（seq2seq）的。encoder模型将用户输入（user post）X=x_1 x_2…x_n 用隐状态 H=h_1 h_2…h_n 来表示。而decoder模型使用另一个GRU来循环生成每一个阶段的隐状态，即。在解码过程中利用了注意力机制。

当decoder模型根据概率分布生成了输出状态后，可以由这个状态经过softmax操作得到最终的输出：。可以看到，在这个经典的encoder-decoder模型中，并没有图的参与。

⒉模型框架

如下图1所示为本文提出的CCM模型框架。

图1 CCM模型框架

如图1所示，基于n个词输入，会输出n个词作为回复，模型的目的就是预估这么一个概率分布：，即将图信息 G 加入到概率分布的计算中。在信息读取时，根据每个输入的词x，找到常识知识图谱中对应的子图（若没有对应的子图，则会生成一个特殊的图Not_A_Fact），每个子图又包含若干三元组。

⒊知识编译模块

如图2所示，为如何利用图信息编译post的示意图。

图2 知识编译模块

如图所示，当编译到“rays”时，会把这个词在知识图谱中相关的子图得到（图2最上的黄色高两部分），并生成子图的向量。每一个子图都包含了key entity（即这里的rays），以及这个“rays”的邻居实体和相连关系。对于词“of”，由于无法找到对应的子图，所以就采用特殊子图Not_A_Fact来编译。之后，采用基于静态注意力机制，CCM会将子图映射为向量，然后把词向量 w(x_t) 和 g_i 拼接为，并将这个替换传统encoder-decoder中的 e(x_t) 进行GRU计算。

对于静态图注意力机制，CCM是将子图中所有的三元组都考虑进来，而不是只计算一个三元组，这也是该模型的一个创新点。

⒋知识生成模块

如下图3所示，为如何利用图信息生成回复的示意图。

图3 知识生成模块

在生成时，不同于静态图注意力机制，模型会读取所有相关的子图，而不是当前词对应的子图，而在读取时，读取注意力最大的就是图中粉色高亮的部分。生成时，会根据计算结果，来选择是生成通用字（generic word）还是子图中的实体。

⒌损失函数

损失函数为预期输出与实际输出的交叉熵，除此之外，为了监控选择通用词还是实体的概率，又增加了一个交叉熵。

实验

⑴ 实验相关细节

常识性知识图谱选用了ConceptNet，对话数据集选用了reddit的一千万条数据集，如果一个post-response不能以一个三元组表示（一个实体出现于post，另一个出现于response），就将这个数据去除。然后对剩下的对话数据，分为四类，一类是高频词，即每一个post的每一个词，都是最高频的25%的词；一类是中频词，即25%-75%的词；一类是低频词，即75%-100%的词；最后一类是OOV词，每一个post包含了OOV的词。

而基线系统选择了如下三个：只从对话数据中生成response的seq2seq模型、存储了以TransE形式表示知识图谱的MemNet模型、从三元组中copy一个词或生成通用词的CopyNet模型。

而选用metric的时候，采用了刻画回复内容是否语法正确且贴近主题的perplexity，以及有多少个知识图谱实体被生成的entity score。

⑵ 实验结果

如下图4所示，为根据perplexity和entity score进行的性能比较，可见CCM的perplexity最低，且选取entity的数量最多。并且，在低频词时，选用的entity更多。这表示在训练时比较罕见的词（实体）会需要更多的背景知识来生成答复。