強化學習及其在NLP上的應用
阿新 • • 發佈:2018-11-12
what is RL?
RL輸入是一個序列,很大程度上兩次輸入的相關聯
Different kinds of RL
線性或非線性擬合會有幾個問題:1、預設資料獨立同分布,但是輸入資料間有關聯 2、target不穩定,label 好壞程度或正確程度不穩定
DQN對其進行三方面改進:1、深度卷積神經網路擬合能力比較強 2、通過之前的樣本或者別人的樣本進行訓練,主要是打亂樣本之間的相關性
狀態--》策略擬合
動作很多或者連續動作空間,會消耗更多的資源不適合用基於值的RL
適合使用基於策略的RL,減少過程計算
缺點:
高方差:ac演算法或a3c演算法可以解決高方差這個問題
目的:骷髏拿到錢
確定性策略問題:灰色塊往左走,白色塊往右走,那一直得不到想要的結果
隨機性策略:可以探索更多的區域
RL在離散空間有天然的優勢,文字生成、序列決策
相似的論文:"Adversarial Learning for Neural Dialogue Generation (2017)"
GAN 不能用於自然語言處理和文字生成:
判別器 生成器:判別器加0.1,在詞庫可能找不到
判別器:CNN 生成器:LSTM