时序抽象作为分层强化学习的重要研究内容,允许分层强化学习智能体在不同的时间尺度上学习策略,可以有效解决深度强化学习难以处理的稀疏奖励问题。如何端到端地学习到优秀的时序抽象策略一直是分层强化学习研究面临的挑战。Option-Critic(OC)框架在Option框架的基础上,通过策略梯度理论,可以有效解决此问题。然而,在策略学习过程中,OC框架会出现Option内部策略动作分布变得十分相似的退化问题。该退化问题影响了OC框架的实验性能,导致Option的可解释性变差。为了解决上述问题,引入互信息知识作为内部奖励,并提出基于互信息优化的Option-Critic算法(Option-Critic Algorithm with Mutual Information Optimization,MIOOC)。MIOOC算法结合了近端策略Option-Critic(Proximal Policy Option-Critic,PPOC)算法,可以保证下层策略的多样性。为了验证算法的有效性,把MIOOC算法和几种常见的强化学习方法在连续实验环境中进行对比实验。实验结果表明,MIOOC算法可以加快模型学习速度,实验性能更优,Option内部策略更有区分度。
在利用常识知识图谱构造出文本自身语义之外的语境语义及基于知识图谱的预训练模型获取语境语义特征的基础上,针对文本语义特征、语境语义特征和标记实体语义特征,建立多重语义融合机制,实现关系分类模型MSF-RC(Relation Classification Model based on Multiple Semantic Fusion)。该模型在SemEval-2010 task 8和TARCED两个不同数据集上进行了测试,试验结果表明,语境信息的引入有助于加强标记实体对语义的理解,多重语义的层级融合可以进一步提升关系分类模型的性能。
暂无评论