论文笔记：基于外部知识的会话模型A Knowledge-Grounded Neural Conversation Model

最新推荐文章于 2022-03-28 00:12:33 发布
最新推荐文章于 2022-03-28 00:12:33 发布
阅读量854 收藏
点赞数 1
分类专栏： 论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guohui_0907/article/details/89138719
版权

A Knowledge-Grounded Neural Conversation Model

1 出发点

  1. 现有的会话模型无法获得外部知识，网络产生的相应虽然在会话上恰当，但是包含的信息量很少

2 网络结构在这里插入图片描述

图1：网络的整体结构

2.1 Dialog Encoder

        输入：对话历史S = {s1 …sn}
        操作：利用GRU将句子编码成一个向量
        输出：向量u

2.2 Facts Encoder

        输入：‘事实’F = {fi…fk}，对话历史向量

最低0.47元/天 解锁文章
AI电商导购Chatbot IM 消息框架系统的高可用、稳定性、安全性、高性能技术架构设计
AI天才研究院
05-26 291
本文全面梳理了AI电商导购Chatbot IM消息框架的技术架构,重点探讨了其高可用性、稳定性、安全性、高性能等质量属性的设计要点,并给出了一些具体的技术方案和最佳实践。在算法层面,要在对话理解、检索、推荐等方面追求性能极致,不断尝试前沿模型;在工程层面,要在高可用、稳定性、安全性、高性能等质量属性方面狠下功夫,为算法赋能护航。
【论文阅读】Zero-Resource Knowledge-Grounded Dialogue Generation
没有胡子的猫Asimov
07-20 500
Zero-Resource Knowledge-Grounded Dialogue Generation 论文：https://arxiv.org/abs/2008.12918 代码：https://github.com/nlpxucan/ZRKGC 任务 神经网络对话模型需要以知识为基础的对话，而这些对话很难获得。为了克服数据方面的挑战并降低构建知识基础对话系统的成本，本文通过假设训练时不需要context-knowledge-response三要素，在零资源环境下探索这个问题。 贡献： 在零资源环
【对话系统】Knowledge-Grounded Dialogue Generation with a Unified Knowledge Representation
Baigker的博客
12-18 1184
链接：http://arxiv.org/abs/2010.08824v1 简介 本文提出了一种基于知识的对话系统PLUG。 什么是基于知识的对话系统（Knowledge-grounded dialogue systems）呢？ 传统的对话系统大多是一个端到端系统，将历史对话和人类的问题作为输入，从而输出应答。但是，这种方法的一个弊端是：只考虑了历史对话，而没有考虑到话题本身，即：话题的知识。 比方说，我们在谈论NBA比赛，那我们会在脑海里回忆有关NBA的各种信息。 为了将话题本身的知识加入到对话系统中，基于
A Knowledge-Grounded Neural Conversation Model
liuyuemaicha的专栏
02-13 2207
原文：https://arxiv.org/pdf/1702.01932.pdf 原论文的主要内容翻译与总结摘要Neural network 模型已经可以进行很自然的对话交互了。但目前来看，这些模型在基于任务的对话中并没有通过吸取其他形式的真实信息或背景实体（entity-grounded）观点来增强它们的服务水平。该论文就提出来一种新颖的，完全有数据驱动的，并且基于背景知识（knowledge-g
《A Knowledge-Grounded Neural Conversation Model》
weixin_34102807的博客
04-20 233
abstract 现在的大多数模型都可以被应用在闲聊场景下，但是还没有证据表明他们可以应用在更有用的对话场景下。这篇论文提出了一个知识驱动的，带有背景知识的神经网络对话系统，目的是为了在对话中产生更有意义的回复。以seq2seq模型为基础（传统的seq2seq只能学习到句子的骨架而不包括有效的信息），用对话历史和外界的facts去规范回答。模型具有通用性，可以应用在open-domain。 in...
论文-《A Knowledge-Grounded Neural Conversation Model》
weixin_43580252的博客
08-18 284
题目 A Knowledge-Grounded Neural Conversation Model 简介 现在的大多数模型都可以被应用在闲聊场景下，但是还没有证据表明他们可以应用在更有用的对话场景下。这篇论文提出了一个知识驱动的，带有背景知识的神经网络对话系统，目的是为了在对话中产生更有意义的回复 why 当下，端到端的神经网络模型已经可以在对话系统中产生十分自然的对话内容。可是，现有的神经网络对话模型仍存在着一个问题：对于用户的输入，现有的系统无法考虑对话外部事实信息或者用户对于实体的观点，这样使其产生的
A Knowledge-Grounded Neural Conversation Model 翻译
康雨城
06-14 1199
A Knowledge-Grounded Neural Conversation ModelAbstract Neural network models arecapable of generating extremely natural sounding conversational interactions.Nevertheless, these models have yet to demo...
论文笔记：基于外部知识的会话模型Learning to Select Knowledge for Response Generation in Dialog Systems
guohui_0907的博客
04-09 944
Learning to Select Knowledge for Response Generation in Dialog Systems 1 出发点 传统的Seq2Seq模型趋向产生一般的且信息含量很少的回答。 现有的具有外部知识的模型中，很少有人证明他们的模型有能力将适当的知识纳入生成的回答中。 2 论文贡献 在训练阶段，利用后验知识来实现有效的知识选择和整合，并且指导先验知识...
【ICJAI2018】Commonsense Knowledge Aware Conversation Generation with Graph Attention
imsuhxz的博客
12-05 1464
p3 in 2019/12/5 论文名称：Commonsense Knowledge Aware Conversation Generation with Graph Attention … … … ：具有图注意力的常识知识感知会话生成系统 论文作者：HaoZhou, TomYoung, MinlieHuang, HaizhouZhao, JingfangXu, XiaoyanZhu 论文来源...
论文阅读汇总（3）-【篇数：50】
scu-liu的博客
05-27 1095
本人学习所有系列：汇总帖 这一篇文章作为精读/泛读论文的一个汇总贴。 开始新的100篇~ 1-50：1-50汇总 51-100：51-100汇总
Python-知识驱动对话竞赛的基线系统
08-10
一个名为知识驱动对话的新对话任务上设置了这个竞赛，其中机器基于构建的知识图与人交谈。 它旨在测试机器进行类似人类对话的能力。
【论文阅读】Low-Resource Knowledge-Grounded Dialogue Generatio
没有胡子的猫Asimov
07-20 470
Low-Resource Knowledge-Grounded Dialogue Generatio 论文：https://arxiv.org/abs/2002.10348 任务 以知识为基础的对话，作为反应生成模型的训练数据，很难获得。本文在有限的训练数据下，进行以知识为基础的对话生成。 在这项工作中，专注于以文档为基础的对话生成，但所提出的方法实际上为低资源知识为基础的对话生成提供了一个通用的解决方案，其中的知识可以是结构化的知识库、图像或视频。要做到这一点，只需要修改知识编码器和知识处理器，使其与
基于知识图谱的human-machine conversation
weixin_43282858的博客
07-20 304
1. 我们提出了基于知识图谱的主动对话任务，让机器像人类一样主动和用户进行对话。 reference Proactive Human-Machine Conversation with Explicit Conversation Goals
Learning to Select Knowledge for Response Generation in Dialog Systems
qq_27009517的博客
04-11 1284
文章目录Abstract1 Introduction2 Model2.1 Background: Seq2Seq and Attention2.2 Architecture Overview2.3 Encoder2.4 Knowledge Manager2.5 Decoder2.6 Loss Function3 Experiments3.1 Dataset3.2 Models for Compar...
知识驱动对话-Learning to Select Knowledge for Response Generation in Dialog Systems-阅读笔记...
weixin_30726161的博客
03-26 364
今日看了一篇文章《Learning to Select Knowledge for Response Generation in Dialog Systems》，以知识信息、对话目标、对话历史信息为基础，进行端到端的对话语句生成。期间做了一些笔记，还有个人想法。大家一起进步！ 转载于:https://www.cnblogs.com/demo-deng/p/10598130....
A Persona-Based Neural Conversation Model论文学习零散记录
myofficials的博客
03-11 1318
A Persona-Based Neural Conversation Model这篇文章用来解决conversation model中的speaker consistency的问题。比方说，问chatbot“where does jone live?”& “where does sam live?”chatbot可能因为u.s.出现频率最高，而对所有这类问题的回答都是U.S. 而不去考虑人物的身份
【论文&模型讲解】Learning to Select Knowledge for Response Generation in Dialog Systems(PostKS模型)
Friedrichor的博客
03-28 1978
Learning to Select Knowledge for Response Generation in Dialog Systems PostKS(Posterior Knowledge Selection)模型 后验知识模型
【IJCAI2019】Learning to Select Knowledge for Response Generation in Dialog Systems
imsuhxz的博客
12-13 487
p7 in 2019/12/12 论文名称：Learning to Select Knowledge for Response Generation in Dialog Systems … … … ： 论文作者：Rongzhong Lian, Min Xie, Fan Wang, Jinhua Peng, Hua Wu 论文来源：IJCAI2019 下载链接：https://arxiv.org...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值
>