面向多场景对话生成质量的数据增强与动态解码惩罚联合优化方法
Joint optimization method of data augmentation and dynamic decoding penalty for enhancing multi-scenario dialogue generation quality
1. 成都信息工程大学 软件工程学院, 成都 610225
2. 智能公差设计与检测四川省工程研究中心, 成都 610225
3. 四川省气象探测数据中心, 成都 610072
4. 成都大学 斯特灵学院, 成都 610106
摘要
针对对话生成任务中高质量训练样本稀缺及生成响应存在冗余、长度失当的问题，提出一种融合条件变分自编码器数据增强与动态解码惩罚机制的联合优化方法。首先，在选择性数据增强框架中引入条件变分自编码器作为重建器，构建CSDA框架，显式建模查询-响应语义依赖关系，提升生成样本的语义一致性与多样性；其次，针对DialogBERT在解码阶段的高频词重复与长度控制不足，提出PenalBERT算法，引入重复惩罚与长度惩罚系数，在不改变模型结构的前提下优化解码过程。在DailyDialog、AnnMI和ESConv三个公开数据集上的实验表明，CSDA框架显著扩充了样本量(提升54.2%~69.6%)，并优化了BLEU与Distinct指标；PenalBERT算法显著降低困惑度(最高9.01%)，同步提升BLEU-4(最高3.69%)和NIST得分(最高3.32%)。联合优化方法能有效缓解数据稀疏问题，提升生成响应的准确性、多样性与流畅性。
基金项目
四川省科技计划项目(2024YFHZ0318)
中国气象局"揭榜挂帅"科技项目(CMAJBGS202302)
四川省科技计划资助项目(2024YFHZ0318)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.08.0379
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第5期
发布历史
[2026-01-14] 优先出版
引用本文
李代伟, 蒋欣然, 向筱铭, 等. 面向多场景对话生成质量的数据增强与动态解码惩罚联合优化方法 [J]. 计算机应用研究, 2026, 43 (5). (2026-01-20). https://doi.org/10.19734/j.issn.1001-3695.2025.08.0379. (Li Daiwei, Jiang Xinran, Xiang Xiaoming, et al. Joint optimization method of data augmentation and dynamic decoding penalty for enhancing multi-scenario dialogue generation quality [J]. Application Research of Computers, 2026, 43 (5). (2026-01-20). https://doi.org/10.19734/j.issn.1001-3695.2025.08.0379. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
