文本生成领域的深度强化学习研究进展

作     者：徐聪 李擎 张德政 陈鹏 崔家瑞 XU Cong;LI Qing;ZHANG De-zheng;CHEN Peng;CUI Jia-rui

作者机构：北京科技大学自动化学院北京1000832 材料领域知识工程北京市重点实验室北京1000833 北京科技大学计算机与通信工程学院北京100083 

出 版 物：《工程科学学报》 (Chinese Journal of Engineering)

年 卷 期：2020年第42卷第4期

页      面：399-411页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划云计算和大数据专项资助项目(2017YFB1002304) 

主　　题：深度强化学习 自然语言处理 文本生成 对话系统 机器翻译 图像描述 

摘      要：谷歌的人工智能系统(AlphaGo)在围棋领域取得了一系列成功,使得深度强化学习得到越来越多的关注.深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力.而自然语言处理过程中有着数量巨大的词汇或者语句需要表征,并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题.这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用,帮助改进现有的模型结构或者训练机制,并且已经取得了很多显著的成果.为此,本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法,梳理其发展的轨迹,分析算法特点.最后,展望深度强化学习与自然语言处理任务融合的前景和挑战.