神经网络多轮对话系统(续)

简述

文章与神经网络多轮对话系统一脉相承，文章的主要贡献在于，将几种网络结构的结果集成，取得了好于任一单一网络的结果。

文章全名：Improved Deep Learning Baselines for Ubuntu Corpus Dialogs

网络结构

前作的结构可以进一步抽象成

缺图

中间的NN可以是CNN, LSTM或Bi-LSTM，对应的图示为

缺图

其中CNN沿用了CNN用于文本分类中提到的网络结构，前作的结果，三种结构的结果与集成的结果的对比

缺图

单一结构下，LSTM最佳，Bi-LSTM稍差，CNN最差，三者集成之后，有明显提高。

集成的方法非常简单，取各单一结构结果的平均。

输入层用了GloVe产出的词向量。