对话系统论文集（8）-curriculum learning18年ACL

问题：
slot多的时候、reward的空间太大(sparse、delayed)难训练-> 提出的学习方法与slot的数量有关
负面例子在训练中比重较小。reward低。
背景知识：

• Curriculum Learning：根据样本的难易程度，简单(slot少)的样本优先学习，复杂的样本后学习
• sparse reward：奖励函数的值太过稀疏。换言之大部分情况下奖励函数在一个状态返回的值都是 0。这就和我们人学习也需要鼓励，学太久都没什么回报就容易气馁。
• Progressive Neural Networks（序列学习)：，每一列是一体的，适用于迁移学习，当新的种类来了，旧种类的知识（参数)加入其中
• SL的缺点，在未知类型的对话上表现差
  

创新点：
curriculum过程：训练数据上，平均slot的数量逐渐增加（低slot数据所占的成分降低）
实验结果：