对话系统
介绍对话系统,QA,chatbot相关的论文及代码实现
hoohaa_
北京邮电大学研究生在读
研究方向:自然语言处理,对话系统
Github(欢迎star and follow~~):
https://github.com/pnnngchg
邮箱:1142715814@qq.com
博客:https://blog.csdn.net/pnnngchg
展开
-
"A Diversity-Promoting Objective Function for Neural Conversation Models"阅读笔记
因为最近在做的chatbot实验效果不太好,总是会出现一些没有营养的回复,如我不知道等等。所以查了一些资料,发现李纪为大神的篇文章是提供了处理这个问题的方法,所以借鉴了一下,顺便写一下博客记录。文章主要的贡献是使用了最大互信息MMI代替常用的最大后验概率MLE等作为目标函数。MLE这个目标函数最常用在机器翻译任务上,最大的优势在于可以产生最自然的语言,但是多样性不好。对话任务和翻译任务还是有区别...原创 2018-12-21 10:10:14 · 513 阅读 · 0 评论 -
"A Survey on Dialogue Systems: Recent Advances and New Frontiers" 阅读笔记
最近在思考对话系统的方向,想选择一个方向做深入的研究,所以找了这篇综述性的文章阅读一下。对文章中提到的感兴趣的文章做一个记录,方便后面研究的开展。介绍文章将对话系统分为任务导向模型和非任务导向的模型。任务导向模型主要用来完成某项特定的任务,比如订票系统。这种应用的场景就决定了任务导向的模型往往是特殊定制的,泛化性和鲁棒性都不会太好,我们不太可能要求一个任务导向的模型既能帮助我们定机票又能辅导...原创 2018-12-13 11:00:03 · 1016 阅读 · 0 评论 -
seq2seq的简单实现---实现输入单词的反序任务
seq2seq 模型常用于实现翻译,对话等生成任务。实际上是建立输入和输出的映射关系,翻译对话等任务的实现比价复杂,为了帮助我们更快的理解seq2seq,我们这里实现一个简单的反序任务。本文章重点关注seq2seq模型的代码实现,主要参考了这篇文章。本文的代码在Pycharm上实现,不同与原文使用Jupiter,在代码上有一些改动,并增加了详细的注释。本文的代码后面会放到我的Github上。好了...原创 2018-12-08 20:33:21 · 1377 阅读 · 1 评论 -
对话系统-----seq2seq基本模型
对话系统-----seq2seq基本模型本文介绍一下应用在对话系统的seq2seq基本模型,当然也可以应用在chatbot,翻译等相似任务中。因为在之前的学习中,经常被seq2seq一些代码中的输入和输出的搞混,特别是decoder的target,input,output的形式。从基本模型和伪代码两个角度讲解说明。基本模型seq2seq的基本模型包括了两个部分,encoder和decoder...原创 2018-12-08 17:49:31 · 2193 阅读 · 0 评论 -
基于深度学习的对话系统---论文简介篇
基于深度学习的对话系统—论文简介篇这篇文章简要介绍几篇seq2seq应用到对话系统的论文,借鉴大佬的博客。补充一些自己的东西,把自己的思路理清。主要是这几篇论文:1.Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation2.Sequence to Sequen...原创 2018-10-17 18:44:40 · 1393 阅读 · 0 评论 -
动手搭建seq2seq-----API介绍
最近在重新搭建seq2seq的模型用于对话系统,发现之前对相关的API用的不是很好,所以又详细看了一下,这个博客对一些重要的API做一个总结。encoder部分encoder的建立主要分为两步:建立rnn单元,调用接口计算输出1. tf.contrib.rnn.LSTMCellhttps://tensorflow.google.cn/api_docs/python/tf/nn/rnn_ce...原创 2018-12-06 20:02:38 · 680 阅读 · 0 评论