关键词：问答系统 序列对抗模型 强化学习 评价指标 

摘要：生成对抗网络GAN(Generative adversarial networks)仅适用于解决连续型数据,同时中文对话模型训练缺乏高质量的样本数据集。研究开放域中文闲聊的问答生成,对话文本是离散型数据,GAN的使用受到限制。设计新的序列对抗生成网络SGAN(Sequence GAN)来解决此问题。SGAN使用基于强化学习的生成器扩展GAN,可以解决序列生成问题。同时使用Actor-Critic策略梯度训练模型,评价指标采用精准度和召回率。实验结果表明,该对话序列对抗模型能够生成足够的对话样本混淆人为提供的样本。

计算机应用与软件杂志要求:

{1}文章关键要素，需有英文摘要。

{2}文章主题明确，数据可靠，书写准确，图表清晰，文字简练，内容齐全完整。来稿应含以下部分：中英文题名、中英文摘要、中英文关键词、中图分类号（本编辑部亦可代查）、正文以及必要的图表、参考文献。

{3}文稿要一稿一投，严禁各类侵权行为。

{4}前言应充分说明研究工作的背景、意义、本文拟解决的问题、采用的方法和手段,引出重要文献,全面评述相关研究工作,突出本工作的重要性和创新性,不要忽视国内同行的工作。

{5}稿件注释一律采用 “脚注”。注释规则请参下附《注释规范》，请投稿者严格遵循。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社