RASATED Policy：Dialogue Transformers

Posted 2022-01-06 卓寿杰SoulJoy

最近工作中使用到rasa，其core部分有一个rasa自己提出的TED Policy框架组建，可用于进行对话决策。今天有空，就来研究下它~

论文《Dialogue Transformers》地址：https://arxiv.org/abs/1910.00486

让我们整体的看一下当 TED Policy从输入到输出进行预测时会发生什么。

在每个对话回合，TED Policy将三条信息作为输入：用户的消息、预测的先前系统动作以及作为插槽保存到助手内存中的任何值。这些中的每一个都在输入到transformer之前进行了特征化和连接。

这就是自注意力机制发挥作用的地方：transformer 在每一轮动态访问对话历史的不同部分，然后评估和重新计算前几轮的相关性。这允许 TED Policy一次考虑用户话语，但在另一轮完全忽略它，这使得transformer 成为处理对话历史的有用架构。

接下来，将dense layer应用于transformer的输出以获得用于近似文本含义的嵌入数值特征，用于对话上下文和系统动作。计算嵌入之间的差异，TED Policy最大化与目标标签的相似性并最小化与错误标签的相似性，这是一种基于Starspace算法的技术。这种比较嵌入之间相似性的过程类似于Rasa NLU pipeline中的EmbeddingIntentClassifier预测意图分类的方式。

当需要预测下一个系统动作时，所有可能的系统动作根据它们的相似度进行排序，并选择相似度最高的动作。

这个过程在每个对话回合中重复，如下所示：

效果：

在极低数据情况下，REDP 优于 TED Policy。应该注意的是，REDP 严重依赖其复制机制来预测非合作题外话后先前提出的问题。然而，TED Policy既简单又通用，在不依赖于重复问题等对话属性的情况下实现了类似的性能。此外，由于transformer架构，TED 政策训练比 REDP 更快，并且需要更少的训练周期来达到相同的精度。