10、基于强化学习与POMDP的对话系统研究

基于强化学习与POMDP的对话系统研究

在对话系统的研究领域，如何提升系统性能、应对复杂场景是关键问题。下面将介绍基于强化学习的用户信念感知对话系统以及可扩展的POMDP混合对话系统的相关研究。

基于强化学习的用户信念感知对话系统

• 评估设置
  • 选取了6名不同的受试者（2名女性和4名男性，平均年龄约25岁），针对四种提出的系统配置进行实验。每个配置与受试者进行10次对话，总共进行了240次对话。
  • 其中30%的对话涉及FB（False Belief）任务。
  • 用户在每次交互结束后，通过在线问卷对系统的任务完成情况进行评估。
• 实验结果
  • 系统性能指标 ：以平均累积折扣奖励（Avg.R）、平均对话长度（以系统轮数计，Length）和平均成功率（SuccR）来衡量系统在经典（CLASSIC）、虚假信念（FB）和所有（ALL）任务上的性能，具体数据如下表所示：
    | TASK | HDC - Avg.R | HDC - Length | HDC - SuccR | BA - HDC - Avg.R | BA - HDC - Length | BA - HDC - SuccR | LEARNT - Avg.R | LEARNT - Length | LEARNT - SuccR | BA - LEARNT - Avg.R | BA - LEARNT - Length | BA - LEARNT - SuccR | <