【发布时间】：2018-03-31 11:53:34
【问题描述】：
我正在使用 LSTM 网络制作自然语言生成器，但现在我陷入了如何评估我的输出的问题。假设我有一个输入训练数据集，其中包含对话行为表示和该特定对话行为的正确输出。现在假设我从我的 LSTM 网络生成一个输出句子 y，那么如何与数据集中的句子相比评估该句子。我的意思是有什么方法可以比较输出，以便我可以使用梯度下降来训练我的权重。
【问题讨论】：
标签： machine-learning lstm
【发布时间】：2018-03-31 11:53:34
【问题描述】：
一旦找到答案，您就可以写一篇关于它的好论文，因为目前这是一个开放的研究问题。 :)
据我所知，您的评估必须结合输出的句法和语义合理性、上下文连贯性、个性一致性和话语动态进展。关于如何以最佳方式衡量这些指标尚未达成共识，但目前有大量关于该主题的论文。
Liu等人阅读的相关介绍：https://arxiv.org/abs/1603.08023
【讨论】：
-
在 github 上我看到了各种关于自然语言生成的项目，google 也使用它，他们分享了一个视频。如果您了解他们模型的功能，您能帮我吗？或者你做过的任何类似的事情。
-
您所说的模型是最前沿的，并不是真正的常识。您到底想为什么构建模型？
-
如果给定对话行为表示，我正在尝试构建生成自然语言的模型。如果您有结构化数据，它类似于生成语法正确的句子。
-
我正在构建一个模型，该模型接受 DA 表示形式的输入并生成自然语言。例如，让数据的 da 表示形式为 inform(name='carriage inn';phone='4155528600') 那么可能的输出之一是，carriage inn 是一个不错的地方，他们的电话号码是 4155528600