Un Modèle d'Auto-Encodeur pour l'Apprentissage des Dépendances Sémantiques au Niveau de l'Énoncé dans la Génération de Dialogue

La génération de réponses sémantiquement cohérentes reste un défi majeur dans la génération de dialogues. Contrairement aux tâches traditionnelles de génération de texte, l'association entre les entrées et les réponses dans les conversations est plus complexe, ce qui exige une compréhension approfondie des dépendances sémantiques au niveau des énoncés, c'est-à-dire la relation entre les significations globales des entrées et des sorties. Pour résoudre ce problème, nous proposons un modèle d'Auto-Encodeur d'Appariement (AEM) pour apprendre ces dépendances. Le modèle comprend deux auto-encodeurs et un module d'appariement. Les auto-encodeurs apprennent les représentations sémantiques des entrées et des réponses, tandis que le module d'appariement apprend à relier les représentations au niveau des énoncés. Les résultats expérimentaux issus d'évaluations automatiques et humaines montrent que notre modèle est capable de générer des réponses plus cohérentes et fluides par rapport aux modèles de base. Le code est disponible sur https://github.com/lancopku/AMM.