隨著近年來端到端的深度神經網路的流行，文字生成逐漸成為自然語言處理中一個熱點研究領域。文字生成技術具有廣闊的應用前景，包括用於智慧對話系統，實現更為智慧的人機互動；我們還可以通過自動生成新聞、財報及其它型別的文字，提高撰文者的工作效率。
根據不同的輸入型別，文字生成可以大致劃分為三大類：文字到文字的生成，資料到文字的生成以及影象到文字的生成。每一類的文字生成技術都極具挑戰性，在近年來的自然語言處理及人工智慧領域的頂級會議中均有相當多的研究工作。
本次將介紹騰訊AI Lab在文字到文字生成研究領域中關於文字風格轉化及對話生成的兩篇論文。其中，文字風格的論文中，我們提出了一個新的序列編輯模型旨在解決如何生成與給定數值相匹配的句子的研究問題。而關於對話生成的論文中，我們提出了一個新的對話模型用於抑制對話生成模型中通用回覆的生成。
以下我們將分別介紹兩篇論文。
論文：QuaSE: Sequence Editing under Quantifiable Guidance
https://arxiv.org/abs/1804.07007
論文：Towards Less Generic Responses in Neural Conversation Models: A Statistical Re-weighting Method
https://ai.tencent.com/ailab/nlp/papers/emnlp2018_conversation.pdf
QuaSE: Sequence Editing under Quantifiable Guidance解讀
在這篇由騰訊 AI Lab 主導，與香港中文大學（The Chinese University of Hong Kong）合作完成的論文中，作者提出一種新的量化指標引導下的序列編輯模型，可以編輯生成與給定的量化指標相匹配的句子，未來可以擴充套件到諸如CTR引導下的新聞標題和摘要生成、廣告描述生成等業務場景中。
研究問題
論文的主要任務是給定一個句子以及其對應的分數，例如Yelp平臺上的使用者評價“The food is terrible”以及其評分1，然後我們設定一個目標分數，讓模型能夠生成與目標分數相匹配的句子，並且原句的主要內容在新的句子中必須得以保持。例如，給定數值3，生成“The food is OK”。給定數值5，生成“The food is extremely delicious”。任務的挑戰和特點主要有以下幾方面：(1) 給定的數值可以是連續的，例如2.5， 3.7， 4.1等，意味著很難像機器翻譯一樣能夠有人工標註的成對出現的訓練樣本。(2) 模型需要具有甄別句子中與數值相關的語義單元的能力。(3) 根據數值進行句子編寫時，必須保持原句的主要內容。
模型框架
圖1：QuaSE模型框架
圖1為我們提出的模型QuaSE的框架。包含單句建模以及序列編輯兩個部分的建模。左半部分為單句建模。其中X和R是觀測值，分別表示句子（例如使用者對餐廳的評價）以及其對應的數值（例如使用者評分）。Z和Y是隱變數，是對句子內容以及句子數值相關屬性的建模表示。受Variational Auto-Encoders（VAE）模型的啟發，對於隱變數Z和Y的建模是通過生成模型的方式實現。我們設計了兩個Encoder（E1和E2）和一個Decoder (D). X以Z和Y為條件進行生成。模型的優化目標是使得生成的句子X’能夠最大限度的重建輸入句子X。同時，由於優化目標積分計算困難等原因，我們採用變分的方法探尋優化目標的下界。單句建模的優化目標為：
此外，我們還設計了一個迴歸函式F來學習隱變數Y和數值R的對映關係。
對於序列編輯過程的建模，我們首先構建了一個偽平行句對資料集。例如，對於句子x=“I will never come back to the restaurant.” 我們找到其偽平行句子為x’=“I will definitely come back to the restaurant, recommend!”其中x和x’對應的數值分別是1和5。
對於句子編輯的建模主要包含三個部分：
(1) 建立句子x到句子x’的內容變化與數值變化之間的關係。原句x到目標句x’的變化肯定是增加或者減少了某些詞，從而使得在數值這個屬性上產生變化，即y到y’的差別。對於這個變化對映我們設計了第一個目標函式L_diff。
(2) 我們提到x和x’必須在主要內容方面繼續保持一致，例如必須都是在描述“restaurant”。所以我們引入第二個目標函式L_sim來使得z和z’儘量的相似。
(3) 我們知道生成過程是給定z和y來生成x (p(x|z,y)), 那麼改寫的過程可以是給定z和y’來生成x’ (p(x’|z,y’))，也可以同時是給定z’和y來生成x (p(x|z’,y))，這是個雙向過程。所以對於這兩個生成過程我們引入了第三個損失函式L_d-rec。
最後，單句建模和編輯建模可以融合成一個統一的優化問題通過端到端的方法進行訓練。
實驗分析
我們使用Yelp上的使用者評論和打分資料進行實驗。實驗分為兩個部分。
第一個實驗主要是為了驗證給定任意數值的句子編輯能力。我們通過MAE和Edit Distance兩個指標來衡量句子編輯的效能。實驗結果如表1所示：
表 1：Yelp資料集上的任意數值指導下的句子改寫
從表1中可以看出我們的模型編輯的句子質量更高，編輯後的句子的預測數值與給定的目標數值更接近。而且能夠保持原句的主要內容。
為了更加形象的說明句子編輯的效果，我們抽樣了一些樣本進行展示，如表2：
表 2：序列編輯的示例展示
另外，我們注意到有相關做文字風格轉換的研究工作可以進行句子雙向生成，即給定負向情感句子生成正向情感句子，或反之。所以，為了與該類模型比較句子編輯的效果，我們設計了第二個實驗與之對應，即從數值1的句子生成數值5的句子，或相反。我們用準確率來評價改寫的好壞。實驗結果如表3所示：
表 3 ：雙向文字風格轉換效果
實驗結果說明我們的模型在雙向文字風格轉換實驗中可以獲得更高的準確率。
此外，生成的句子質量很難以進行客觀評測，所以我們引入了人工評測的結果來衡量句子內容保持度以及句子質量的高低。人工評測結果如表4所示：
表 4 ：人工評測結果
可以看出我們的模型可以最大程度的保持原句的內容，並且句子依然保持很好的流暢度。
Towards Less Generic Responses in Neural Conversation Models: A Statistical Re-weighting Method解讀
在這篇由騰訊 AI Lab 主導，與武漢大學、蘇州大學合作完成的論文中，作者提出一種適用於開放領域對話系統的新型神經對話模型（Neural Conversation Model），旨在解決生成模型中容易產生通用回覆（如“我不知道”，“我也是”）的問題。
神經生成模型在機器翻譯中的成功應用，即神經機器翻譯（Neural Machine Translation, NMT），激發了研究人員對於神經對話模型的熱情。目前，最常用的神經對話模型為序列到序列（Sequence-to-sequence， Seq2seq）模型: 給定一個輸入序列
及輸出序列
，模型的引數用於優化negative log likelihood:
。然而在開放領域的對話中，我們經常發現對於一個輸入x，如“你吃飯了嗎？”，若干意思完全不一致的回覆都是可以被接受的，如“剛吃完。”，“還沒呢，還不餓。”，“不急。你呢？”等等，因此從x到y是一對多的對映關係。甚至，同一個回覆經常可以適用於多個輸入，因此是從x到y是多對多的對映關係（如圖1所示）。然而，Seq2seq模型的目標函式學習的是一個從x到y的一對一的對映關係，並且優化的目標函式由大量的預測高頻詞/短語的損失項所組成，導致最終收斂的模型易於生成高頻詞及他們的組合，生成通用回覆。
因此，本文在損失函式項中引入權重，使得Seq2seq模型能優化更為多樣化的損失項。其中，我們發現若輸出為（包含）高頻序列，以及輸出序列長度過短或過長，此輸出序列的損失項優化都容易導致通用回覆，因此我們設計了有效的方法對這些損失項乘以一個較小的權重。有興趣的讀者可以閱讀我們的論文及具體的權重計算方式。
圖1：機器翻譯及對話語料中從輸入x到輸出y的對映關係對比
我們從各大中文社交網站（如微博等）中爬取並篩選了700萬高質量的對話句對進行實驗。其中，我們保留了500個輸入作為測試集，並且聘請了3個評測人員對各種對話生成模型的生成回覆進行了包括句子通順度(Fluency)、與輸入句子的相關性等方面的評測。
同時，我們也對比了多種權重設計方式的有效性，包括只使用句子頻次(Ours-RWE)、只使用句子長度(Ours-RWF)以及句子頻次、長度均使用(Ours-RWEF)。結果如表1所示。從中，我們可以看到，我們的方法在保持較高的句子通順度的時候，有效地提高了回覆的相關性。
表1：人工標註結果
我們還另外保留了10萬個輸入作為另一個較大的測試集。在這個測試集上，我們統計了各種對比模型中產出幾個常見的通用回覆的頻次。結果見表2。由此表可見，我們提出的方法極大程度地減少了生成的通用回覆。
表2：通用回覆生成頻次對比
最後，我們在表3中給出一些具體的生成回覆。由此我們可以更為直觀地感受到所提出的方法確實能夠生成質量較高的回覆。
表3：生成結果對比