Deep Reinforcement Learning for Dialogue Generation
Deep Reinforcement Learning for Dialogue Generation任何好理解，就是生成对话，之前采用最大似然来优化这个问题，会存在以下问题：生成的最后开始变得毫无意义，作者想利用增强学习来缓解这一点。有关为什么用Policy Gradient不用Q-Learning，作者是这样解释的：按照我对两种强化学习的理解，q-learning是最大化q值，a...
