齊孝龍, 韓東紅, 高 翟, 喬百友

(東北大學(xué) 計算機科學(xué)與工程學(xué)院, 遼寧 沈陽 110169)

推薦系統(tǒng)可以解決海量數(shù)據(jù)導(dǎo)致的信息過載問題，旨在通過分析用戶行為、興趣、個性化需求等預(yù)測用戶感興趣的信息，諸如商品、新聞、感興趣的話題等[1].

傳統(tǒng)的推薦系統(tǒng)不能與用戶進行很好地交互，從而影響了用戶體驗.有研究表明，對話式推薦能夠更好地解決推薦系統(tǒng)中的冷啟動問題[2]，而且在可解釋性方面優(yōu)于基于深度學(xué)習(xí)的推薦系統(tǒng)[3].基于此，對話式推薦技術(shù)開始進入學(xué)術(shù)界和工業(yè)界的視野[4-10].

已有的對話推薦研究多以目標(biāo)或話題為導(dǎo)向[7,9]，即通常采用Pipeline方式，首先利用分類模型預(yù)測對話目標(biāo)、話題或推薦實體，再根據(jù)預(yù)測得到的對話目標(biāo)等指導(dǎo)生成合適的推薦對話.由于分類標(biāo)簽的空間過大(大約1 000個)[9]，導(dǎo)致預(yù)測的準(zhǔn)確率不高.針對上述問題，本文提出了一種利用對話模型引導(dǎo)的對話生成推薦(dialogue guided recommendation of dialogue generation,DGRDG)模型，通過對話模型生成對話目標(biāo)，因?qū)υ捘繕?biāo)的生成是逐步的，DGRDG模型在每一時間步的目標(biāo)生成模塊均融入上下文信息，生成的對話目標(biāo)質(zhì)量優(yōu)于分類模型；本文提出一種目標(biāo)重規(guī)劃策略(goal replan policy,GRP)，即在生成對話目標(biāo)后，利用對話目標(biāo)之間的關(guān)系和對話目標(biāo)與對話目標(biāo)候選集中元素之間的語義相似度，調(diào)整生成的對話目標(biāo)，使得對話目標(biāo)的準(zhǔn)確率比未引入該策略前提高了3.93%；最后通過在DuRecDial數(shù)據(jù)集上進行實驗，結(jié)果驗證了所提出的模型的有效性.

1 相關(guān)工作

推薦對話數(shù)據(jù)集樣例如圖1所示.對話推薦任務(wù)由推薦系統(tǒng)和對話系統(tǒng)構(gòu)成，本文將分別介紹對話系統(tǒng)、對話目標(biāo)預(yù)測和對話推薦系統(tǒng)的相關(guān)工作.對話系統(tǒng)包括面向任務(wù)和非面向任務(wù)兩類：面向任務(wù)的對話系統(tǒng)大多將整個對話流程使用管道(Pipeline)的方式連接起來；而非面向任務(wù)的對話系統(tǒng)則多使用端到端生成或檢索的方式[11].現(xiàn)有的一些研究關(guān)注對話推薦系統(tǒng)的對話能力，嘗試基于端到端的方式構(gòu)建模型.這些模型旨在學(xué)習(xí)人類會話語料庫中的模式，并且通常是不透明的且難以解釋.端到端方法在推薦和響應(yīng)方面的人工評估效果不佳，因此設(shè)計一個明確的對話策略是非常必要的[12].面向推薦的對話系統(tǒng)其本質(zhì)也是一種任務(wù)型的對話系統(tǒng)，所以適合使用Pipeline方式.

圖1 對話推薦數(shù)據(jù)集樣例

作為Pipeline模型中的重要組成部分，對話目標(biāo)預(yù)測很大程度上影響著最終生成回復(fù)的質(zhì)量.對話目標(biāo)預(yù)測任務(wù)是自然語言理解(natural language understanding, NLU)的一個子方向，與對話行為識別、對話狀態(tài)跟蹤以及意圖識別相似，目前研究主要通過以下兩種方式來實現(xiàn)：①分類模型,Pavuri等[13]使用基于RNN和LSTM的模型實現(xiàn)NLU，并發(fā)現(xiàn)在輸入完整信息后再進行意圖分類的效果更好；Guo等[14]通過使用一個兩階段模型來解決對話狀態(tài)跟蹤中標(biāo)簽重復(fù)的問題，從而提高了模型的預(yù)測效率.②將原問題轉(zhuǎn)化為序列到序列任務(wù)；Colombo等[15]使用Seq2Seq模型在編碼階段使用層次化編碼器獲取不同粒度下的編碼信息，在解碼階段的每一時間步預(yù)測單個話語的對話行為，并在實驗中驗證了所提出模型的有效性.經(jīng)過上述通過分類模型或者序列到序列的標(biāo)簽預(yù)測模型處理NLU問題的基礎(chǔ)上，對話系統(tǒng)再通過下游的自然語言生成(natural language generation, NLG)模塊生成最終的回復(fù).

現(xiàn)有對話推薦任務(wù)的解決方案多采用Pipeline方式.Zhou等[6]提出了結(jié)合面向單詞和實體的知識圖譜以增強對話推薦中的數(shù)據(jù)表示，并采用互信息最大化來對齊單詞級和實體級的語義空間，從而可以在響應(yīng)文本中生成信息豐富的關(guān)鍵字或?qū)嶓w.Zhou等[7]提出了一種話題引導(dǎo)會話推薦模型，并在實驗中證明了該方法在主題預(yù)測、項目推薦和響應(yīng)生成三個子任務(wù)上的有效性.

以上對話推薦相關(guān)模型多采用分類模型預(yù)測出對話目標(biāo)、話題或推薦實體，再對推薦對話的生成進行指導(dǎo)[7]，但當(dāng)標(biāo)簽數(shù)量很大時分類效果并不理想；或者使用端到端的方式將對話管理模塊隱式地融合在整個對話推薦系統(tǒng)中[6].鑒于Pipeline模型在任務(wù)型對話中獲得的良好效果，本文嘗試利用Pipeline模型來解決對話推薦任務(wù)，在上游使用對話模型來生成對話目標(biāo)，期望對話模型能夠充分學(xué)習(xí)輸入信息之間的語義信息，進而生成更合適的對話目標(biāo)來對下游推薦對話的生成進行指導(dǎo).

2 模 型

2.1 問題定義

對話推薦任務(wù)的定義如下：

定義1用戶畫像P={p1,p2,…,pnp}，其中pi為第i個用戶畫像鍵值對，np為用戶畫像鍵值對個數(shù).

定義2知識信息K={k1,k2,…,knk}，其中ki為第i條知識.

定義3對話歷史H={h1,h2,…,ht-1}，其中hi={wi,1,wi.2,…,wi,nw}為第i條對話歷史，t為當(dāng)前對話輪次，wi,j為第i條對話歷史的第j個字.

定義4對話目標(biāo)G={g1,g2,…,gng}，其中g(shù)i為第i個對話目標(biāo)，gi包含兩部分，Goal_type和Goal_topic，如“美食推薦(Goal_type)水煮魚(Goal_topic)”，ng為對話目標(biāo)的個數(shù).

定義5生成回復(fù)Y={y1,y2,…,yny}.其中yi為生成的回復(fù)中的第i個字.

訓(xùn)練集中所有的對話目標(biāo)都是已知的，但測試集中只給出第一個以及最后兩個對話目標(biāo).基于此，模型的任務(wù)為：首先預(yù)測出本輪對話的對話目標(biāo)GOAL，并根據(jù)預(yù)測出的對話目標(biāo)生成對應(yīng)的回復(fù)Y.

2.2 DGRDG模型總體架構(gòu)

受到文獻[9]的啟發(fā)，DGRDG模型整體分為3個子模塊：IsGoalEnd模塊、GoalPlan模塊和ResponseGeneration模塊.如圖2所示，其中GoalPlan模塊由NextGoalGeneration子模塊與GRP構(gòu)成.首先使用IsGoalEnd模塊判斷上一輪次的對話目標(biāo)是否結(jié)束，結(jié)束則調(diào)用GoalPlan模塊生成當(dāng)前輪次的對話目標(biāo)，沒有結(jié)束則依然使用上一輪次的對話目標(biāo)作為當(dāng)前輪次的對話目標(biāo)；得到當(dāng)前輪次的對話目標(biāo)后，調(diào)用ResponseGeneration模塊生成最終的回復(fù)Y.

圖2 DGRDG模型總體架構(gòu)

2.3 IsGoalEnd模塊

鑒于預(yù)訓(xùn)練模型在分類任務(wù)上的優(yōu)異表現(xiàn)，本模塊融合BERT-wwm(之后用BERT表示)[16]及BiLSTM構(gòu)建回歸模型.首先將對話歷史H與上一輪次的對話目標(biāo)gt-1拼接(若超過模型最大輸入長度，則從后往前截取到標(biāo)點符號處)后形成一個句子，將其輸入至BERT得到整個句子的矩陣，表示為

HI=BERT([h1;h2;…;ht-1;gt-1]).

(1)

(2)

若PIsGoalEnd>0.5，表示上一輪次的對話目標(biāo)已經(jīng)結(jié)束，需要生成新的對話目標(biāo)作為當(dāng)前輪次的對話目標(biāo)；若PIsGoalEnd≤0.5，則表示上一輪次的對話目標(biāo)尚未結(jié)束，依然使用上一輪次的對話目標(biāo)作為當(dāng)前輪次的對話目標(biāo).可將該模塊表示為一個函數(shù)：IsGoalEnd(H,gt-1).

2.4 GoalPlan模塊

2.4.1 NextGoalGeneration子模塊

本模塊利用對話模型生成新的對話目標(biāo)GOAL.如圖3a所示，Encoder首先獲取輸入的信息(包括知識信息K、用戶畫像P、對話歷史H)融合上下文的編碼表示，如對于知識信息K，首先獲取其編碼表示KGembedding，再將其輸入至BiGRU中：

圖3 NextGoalGeneration子模塊

Okg,hkg=BiGRU(KGembedding).

(3)

其中，KGembedding為知識信息的編碼表示，再將句子經(jīng)過Embedding Layer得到相應(yīng)的編碼表示，Okg與hkg則分別為BiGRU的輸出與隱藏層狀態(tài).

采用同樣的方法，獲取用戶畫像P和對話歷史H融合上下文信息的編碼表示與隱藏層狀態(tài)：Oup，hup和Ohis與hhis；再將知識信息、用戶畫像信息及對話歷史信息融合上下文的編碼表示，Okg，Oup和Ohis拼接，得到Encoder最終編碼表示：

OEncoder=[Okg;Oup;Ohis].

(4)

將知識信息、用戶畫像信息和對話歷史信息的隱藏層狀態(tài)hkg，hup和hhis進行拼接和線性變換，得到Encoder最終的隱藏層狀態(tài)，用于初始化Decoder的隱藏層狀態(tài)：

hEncoder=W[hkg;hup;hhis]+b.

(5)

其中，W，b分別為可學(xué)習(xí)的參數(shù)和偏置.

(6)

(7)

(8)

γs-1=softmax(γs-1′)，

(9)

as-1=(γs-1)TOEncoder.

(10)

最終采用交叉熵損失函數(shù)對該模塊進行優(yōu)化，解碼時采用貪心解碼策略.

2.4.2 目標(biāo)重規(guī)劃策略GRP

對話目標(biāo)由兩部分構(gòu)成，分別為Goal_type與Goal_topic，且Goal_type之間存在著如圖4所示的關(guān)系[9]，所以可以根據(jù)Goal_type之間的關(guān)系對模型預(yù)測出的對話目標(biāo)進行調(diào)整，如上一對話目標(biāo)的Goal_type為“音樂推薦”，則下一對話目標(biāo)的Goal_type則為“播放音樂”或“關(guān)于明星的聊天”；2.4.1節(jié)中對話模型所輸出的句子與真實值有時存在一些誤差，如真實值為“美食推薦水煮魚”，而模型的輸出則可能為“美食推薦魚”，所以可以計算預(yù)測值與候選目標(biāo)集中的元素的語義相似度來對預(yù)測值進行調(diào)整.基于以上兩方面的因素，提出目標(biāo)重規(guī)劃策略GRP，對2.4.1節(jié)所預(yù)測出的對話目標(biāo)進行修正.

圖4 Goal_type之間關(guān)系

步驟1 首先根據(jù)上一輪次的對話目標(biāo)與Goal_type之間的關(guān)系，篩選出Goal_type候選集，如上一輪次的對話目標(biāo)為“天氣信息推送”，則Goal_type候選集為[“音樂推薦”, “美食推薦”, “再見”].

步驟2 將Goal_type候選集中需要Goal_topic的元素(“美食推薦”和“音樂推薦”)與知識信息中的實體進行排列組合，構(gòu)成對話目標(biāo)候選集，如[“音樂推薦一剪梅”, “音樂推薦月亮代表我的心”,…,“美食推薦水煮魚”,“美食推薦口水雞”,…, “再見”]，其中“再見”為不需要Goal_topic的Goal_type，所以不參與排列組合的過程.

步驟3 將2.3節(jié)所輸出的對話目標(biāo)與步驟2構(gòu)建的對話目標(biāo)候選集中的每一個元素計算TF-IDF值作為得分，并選擇對話目標(biāo)候選集中得分最大的元素作為最終的對話目標(biāo).

可將2.4.1節(jié)與2.4.2節(jié)結(jié)合，共同表示為一個函數(shù)：GoalPlan(K,P,H).

2.5 ResponseGeneration模塊

在本模塊中，將采用與2.4.1節(jié)中相似的架構(gòu)生成最終的回復(fù)Y.為了能夠獲取融入對話目標(biāo)信息的對話歷史表示，需將當(dāng)前輪次的對話目標(biāo)GOAL加在對話歷史之前.并且在利用式(3)計算出融合上下文的各個輸入信息的表示后，使用一種交互注意力機制[17]計算對話歷史表示與知識信息以及用戶畫像的注意力，得到融合對話歷史的知識信息表示和融入對話歷史的用戶畫像表示.并按照式(4)將各個輸入信息進行拼接，得到Encoder最終的編碼表示.再使用與2.4.1節(jié)中相同的Decoder架構(gòu)生成最終的回復(fù)Y.與2.4.1節(jié)相同，本模塊采用交叉熵損失函數(shù)對該模塊進行優(yōu)化，解碼時采用貪心解碼策略.可將該模塊表示為一個函數(shù)：ResponseGeneration(K,P,H, GOAL).

3 實驗與分析

3.1 訓(xùn)練與推理策略

總體模型的三個模塊進行分別訓(xùn)練，并在測試時組裝在一起.具體處理過程如算法1所示.第1行將第1個對話目標(biāo)賦值給GOAL，并給H′與j賦初值，H′為循環(huán)過程中的對話歷史，j表示當(dāng)前是第j個對話目標(biāo).由于對話目標(biāo)是殘缺的，需要對殘缺的對話目標(biāo)進行補充，所以需要對所有的對話歷史進行遍歷，如第2行所示.第3行將對話歷史中第i條話語加入H′中，第4行調(diào)用IsGoalEnd模塊判斷針對當(dāng)前的對話歷史H′，當(dāng)前的對話目標(biāo)GOAL是否結(jié)束.若需生成下一對話目標(biāo).由于已知對話目標(biāo)的總個數(shù)為ng-1，且已知最后兩個對話目標(biāo)，所以第6行判斷需生成的對話目標(biāo)是否為倒數(shù)第二個，若是倒數(shù)第二個，則第7行直接將已知的倒數(shù)第二個對話目標(biāo)賦值給GOAL；否則，第8行再判斷需生成的對話目標(biāo)是否為倒數(shù)第一個，若是倒數(shù)第一個則第9行直接將已知的倒數(shù)第一個對話目標(biāo)賦值給GOAL；若不是，則第11行調(diào)用GoalPlan模塊生成新的對話目標(biāo)賦值給GOAL.第14行判斷對話歷史是否已經(jīng)全部遍歷完成，如果尚未遍歷完成，則遍歷下一條對話歷史；若已遍歷完成，則在第17行調(diào)用ResponseGeneration模塊生成最終的回復(fù)Y，至此循環(huán)結(jié)束，并在第20行輸出所生成的回復(fù)Y.

算法1 對話模型引導(dǎo)的推薦對話生成DGRDG.

輸入：用戶畫像P、知識信息K，對話歷史H={h1,h2,…,ht-1}，對話目標(biāo)G={g1,g2,…，gng}，

輸出：回復(fù)Y.

1 GOAL=g1,H′={},j=1

2 Fori=1,2,…,t-1 Do

3 將hi加入H′中

4 If IsGoalEnd(H′,GOAL)> 0.5

5j++

6 Ifj==ng-1

7 GOAL=gng-1

8 Else Ifj≥ng-1

9 GOAL=gng

10 Else

11 GOAL=GoalPlan(K,P,H′)

12 End If

13 End If

14 Ifi

15i++

16 Else

17Y=ResponseGeneration(K,P,H′, GOAL)

18 End If

19 End For

20 ReturnY

3.2 數(shù)據(jù)集

本文使用DuRecDial數(shù)據(jù)集[9]，由于其中測試集的標(biāo)注值沒有發(fā)布，所以將原DuRecDial數(shù)據(jù)集中的驗證集作為測試集，原DuRecDial數(shù)據(jù)集中的訓(xùn)練集隨機選擇10%作為驗證集，原DuRecDial數(shù)據(jù)集中的訓(xùn)練集剩下的90%作為訓(xùn)練集進行實驗.

3.3 評價指標(biāo)

對于整體模型，采用F1衡量字粒度的重合程度，BLEU@n衡量n-gram的重合程度，同時采用DISTINCT@n衡量n-gram對話內(nèi)容多樣性.由于GoalPlan模塊只可生成一個對話目標(biāo)，該對話目標(biāo)也只含有一個推薦實體，所以在推薦方面將采用推薦系統(tǒng)中的Hit@1作為評價指標(biāo).并且，將采用準(zhǔn)確率(即生成的對話目標(biāo)與標(biāo)注值完全相同的概率)作為評價指標(biāo)評價GoalPlan模塊的性能.

3.4 模型說明

3.4.1 與DGRDG模型對比的方法

GPT-2[18]：一種使用大規(guī)模語料訓(xùn)練的生成式預(yù)訓(xùn)練模型.

Transformer[19]：一種基于注意力機制的Encoder-Decoder架構(gòu).

KBRD[5]：一種基于知識圖譜的對話推薦系統(tǒng).

KGSF[6]：一種結(jié)合了面向單詞和面向?qū)嶓w的知識圖譜的對話推薦系統(tǒng).

ReDial[4]：一種融合了基于用戶的協(xié)同過濾和情感分析的對話推薦系統(tǒng).

TG-ReDial[7]：一種基于話題引導(dǎo)對話推薦的模型.

針對以上模型，使用Zhou等[20]開源的CRSLab庫進行實現(xiàn).

3.4.2 與GoalPlan模塊對比的方法

對于GoalPlan模塊，為驗證本文所提出的對話模型生成對話目標(biāo)的有效性，以及GRP策略的有效性，將與以下模型進行對比：

BERT[16]：一種經(jīng)過微調(diào)就可以在下游的分類任務(wù)中達到很好的分類效果的預(yù)訓(xùn)練模型.

BERT+LSTM：在BERT后附加LSTM來對上下文信息進行增強.

MTTDSC[21]：一種基于GRU的應(yīng)用于多任務(wù)分類的深度學(xué)習(xí)模型.

Seq2SeqDU[22]：一種將對話狀態(tài)跟蹤轉(zhuǎn)換為序列到序列標(biāo)簽預(yù)測任務(wù)的模型.

使用Pytorch框架復(fù)現(xiàn)了前兩種模型，對于MTTDSC和Seq2SeqDU模型則使用了文獻[22]中所開源的代碼.

3.5 實驗結(jié)果與分析

3.5.1 自動評價

各模型在F1，BLEU@n，DISTINCT@n以及Hit@1等自動評價指標(biāo)上的表現(xiàn)見表1.本文所提出的DGRDG模型在BLEU@n指標(biāo)上均優(yōu)于所對比的模型，說明DGRDG模型能產(chǎn)生與標(biāo)注值更相似的回答.但DISTINCT@n指標(biāo)中只有DISTINCT@1最優(yōu)，在DISTINCT@2～4上的表現(xiàn)均弱于TG-ReDial模型，原因是由于TG-ReDial模型在推薦實體的選擇上多樣性較高，導(dǎo)致模型所輸出的回復(fù)在內(nèi)容多樣性上占據(jù)了優(yōu)勢.DGRDG模型在推薦的準(zhǔn)確性上是最優(yōu)的，在Hit@1指標(biāo)上相比于次好的KGSF模型高出0.09，而在DISTINCT@n上占優(yōu)的TG-ReDial模型在Hit@1指標(biāo)上的表現(xiàn)反而是最差的，原因在于TG-ReDial模型在推薦實體的選擇上較多而導(dǎo)致推薦準(zhǔn)確度不高.在與標(biāo)注值字粒度的重合程度上，GPT-2由于其強大的文本生成能力，在F1指標(biāo)上表現(xiàn)最優(yōu).DGRDG模型在該指標(biāo)上的表現(xiàn)相比于其他模型依然是最好的，而且相比于GPT-2，在F1評價指標(biāo)上僅相差0.02.

表1 各模型自動評價指標(biāo)得分

為了驗證所提出的目標(biāo)重規(guī)劃策略GRP的有效性，進行消融實驗，即將目標(biāo)重規(guī)劃策略從整體模型中移除，直接使用NextGoalGeneration子模塊所生成的目標(biāo)進行回復(fù)的生成，最后的實驗結(jié)果在各個評價指標(biāo)中都造成了不同程度的下降，尤其在Hit@1指標(biāo)上，相比于原模型減少了0.05.

在對話目標(biāo)預(yù)測方面，由于本文所使用的GoalPlan模塊是由兩個階段所構(gòu)成，所以為了實驗的公平性和衡量GRP策略的性能，將GRP策略與其他對比模型相結(jié)合，具體實驗結(jié)果見圖5.本文所提出的GoalPlan模塊在準(zhǔn)確率上均優(yōu)于所對比的模型，消融實驗表明，GRP策略為模型在預(yù)測準(zhǔn)確率上帶來了3.93%的提升.所對比的模型表現(xiàn)差的原因，是分類模型或序列標(biāo)注模型在解決對話目標(biāo)預(yù)測的問題時，由于標(biāo)簽的數(shù)量太大，模型不能很好地學(xué)習(xí)到輸入數(shù)據(jù)與標(biāo)簽的關(guān)系.對于所對比的模型而言，加入GRP策略后，帶來的提升并不明顯(最多只帶來0.54%的提升).究其原因，是因為本文提出的GRP策略是在字粒度上對預(yù)測出的對話目標(biāo)進行修正，與本文所用的NextGoalGeneration適配程度較高，但對于其他所對比模型，由于其是分類模型或序列標(biāo)注模型，所輸出的結(jié)果都是標(biāo)簽級別的，GRP策略所能帶來的提升并不顯著.

說明：NextGoalGeneration為本文所提出的NextGoalGeneration模塊；+GRP表示添加GRP策略后模型的表現(xiàn).

3.5.2 人工評價

為了能夠更好地對模型的輸出結(jié)果進行評估，引入人工評價，評價的指標(biāo)為：①流暢性，用于評估模型的輸出結(jié)果是否符合人類的說話習(xí)慣；②目標(biāo)完成度，用于評價模型生成的回復(fù)是否完成了對話目標(biāo)；③信息性，用于評價模型在生成回復(fù)時是否準(zhǔn)確地使用了所輸入的知識信息；④相關(guān)性，用于評價模型生成的回復(fù)是否與對話的語境相關(guān).

所有的指標(biāo)都分為3個等級：“0”表示差；“1”表示一般；“2”表示好.邀請一家專業(yè)的數(shù)據(jù)標(biāo)注公司進行人工評價，標(biāo)注人員一共有三位，每個人都需對全部的數(shù)據(jù)進行評價，且為保證公平，模型對評價人員是匿名的，最后得分取三位標(biāo)注人員所給出得分的平均值，結(jié)果如表2所示.可以看出，所提出的模型在各指標(biāo)上的表現(xiàn)都顯著地超過了所對比的模型，并且消融實驗中，模型在沒有GRP策略的情況下，相比于所對比的模型依然占據(jù)著優(yōu)勢.在目標(biāo)完成度、信息性和相關(guān)性的指標(biāo)上相比于完整的模型下降幅度較大，都在0.4左右，但在流暢性方面只下降了0.14.這樣的結(jié)果說明了所提出的DGRDG模型的有效性，而且由于模型主要依靠準(zhǔn)確的目標(biāo)作為指導(dǎo)，所以這樣的實驗結(jié)果同時也證明了所提出的GRP策略的有效性.

表2 各模型人工評價得分

4 結(jié) 語

本文提出了一種利用對話模型引導(dǎo)的推薦對話生成模型DGRDG，并在對話目標(biāo)生成模塊生成當(dāng)前的對話目標(biāo)后，為了修正該模塊的輸出結(jié)果，引入目標(biāo)重規(guī)劃策略 GRP來提高對話目標(biāo)預(yù)測的準(zhǔn)確率.經(jīng)過在DuRecDial數(shù)據(jù)集上進行實驗，結(jié)果表明所提出的模型在生成的回復(fù)質(zhì)量和推薦質(zhì)量都擁有較好的效果，消融實驗也證明了所提出的目標(biāo)重規(guī)劃策略GRP的有效性.