基于层次化课程学习的对话响应选择

我们研究了用于对话响应选择的匹配模型的学习方法。鉴于最近的研究发现，使用随机负样本训练的模型在实际应用场景中并不理想，我们提出了一种分层课程学习框架，该框架以“从易到难”的方案训练匹配模型。我们的学习框架包括两个互补的课程：（1）语料库级课程（Corpus-level Curriculum, CC）；（2）实例级课程（Instance-level Curriculum, IC）。在CC中，模型逐渐增强其在对话上下文和响应候选之间寻找匹配线索的能力。而在IC中，则逐步提高模型识别对话上下文和响应候选之间不匹配信息的能力。在三个基准数据集上对三种最先进的匹配模型进行的实证研究表明，所提出的课程学习框架显著提升了模型在各种评估指标上的性能。