hwang4_12的博客

1、强化学习policy gradient中，为什么需要将reward减去一个baseline？ 策略梯度在进行优化的时候，使用的都是对数据进行采样，当所有的奖励都是正的时候，会对所有的梯度方向都鼓励，但是是进行归一化的，所以对那些奖励较少的方向，起到了抑制的效果。但是由于采样操作，当高奖励的动作没有sample到的时候，那些低奖励的动作就被鼓励执行了。 ...

1、QA System KB-QA text-QA : 结合知识图谱作问答或者使用的是收集来的文本集合作问答 2、KB-QA  结构化数据 KB-QA is performed in two steps: (1) semantic parsing （语义分析）translates a question into a KB query, then (2) KBR （reasoning）trav...

chitbot 直接使用数据训练一个端对端模型 1、lstm模型 2、HRED 模型 用来处理端对端模型里面的多轮对话，可以将context内容包括进去，然后也将utterance进行表示 3、attention 模型  pointer network  chanllenges: a、回复单一的问题       最大相互信息熵损失函数、对抗网络、引入变分结构（VHRED模型）、利用检索...

1、 整个对话系统的流程：      a、 开放域多轮对话，瞎聊，识别用户意图      b、 准入条件，根据设定好的准入条件，进入封闭域对话      c、 封闭域对话，填槽，必填槽不完整就要澄清让用户填完整，最终执行 解释： 从一个开放域转入到封闭域，或者从一个封闭域转入到另一个封闭域，中间的跳转是需要逻辑判断的，而这个逻辑判断就是准入条件。   2、封闭式对话 --- 具体...

这篇博客主要是自己看了一些关于自编码器的文章和阅读了tensorflow自己公布的源码，并在源码上附上一些注释，因为要完全理解一个算法或者结构，最直接的方式就是阅读相关的源码。