一种基于近端策略优化与对抗学习的对话生成方法

本发明涉及一种基于近端策略优化与对抗学习的对话生成方法，属于计算机自然语言处理领域。该方法首先预训练对抗生成网络的生成模型和判别模型；然后，利用蒙特卡罗采样的方法计算生成的句子中每个单词对应的奖励，奖励值的大小代表单词生成的好坏；其次，将对抗生成网络的训练过程当作一个强化学习的过程，利用近端策略优化算法训练对抗生成网络，使判别模型得到的奖励能指导生成模型的生成，生成模型得到的对话又能指导判别模型的训练；最后，使用强迫指导的方法训练生成模型。本发明通过控制生成模型自适应的多次迭代提高了模型的训练效率，通过近端策略优化算法提高了样本的复杂性进而提高了对话生成的质量，可以生成更接近人类的对话。