[论文笔记] Enhancing Personalized Dialogue Generation with Contrastive Latent Variables

最新推荐文章于 2024-07-11 08:29:34 发布
最新推荐文章于 2024-07-11 08:29:34 发布
阅读量193 收藏
点赞数
分类专栏： 论文阅读 文章标签： 论文阅读 自然语言处理 python
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/qq_21749493/article/details/131713196
版权

[论文笔记] Enhancing Personalized Dialogue Generation with Contrastive Latent Variables: Combining Sparse and Dense Persona

方法

Motivation

  • 密集角色文本描述信息丰富，但是噪声多
  • 稀疏结构化数据语义明确，但是信息太少
  • 直接使用上下文生成回复不需要使用额外角色文本或者角色结构库很优越，但是具有挑战性

Novelty

  • 结合上述方法的优点，能够在对话回复生成时自行推断丰富的角色信息，因此不需要额外的外部文本或者知识库
  • 中间过程使用Decider(常用)
  • 分步训练、伪标签，避免训练失败

Discussion

  • CVAE构建得太复杂

实验

  • 全新的个性化对话评价框架，具有创造性

Paper
Code

Toyhom
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【论文阅读笔记】NeurIPS2020文章列表Part2
zincrain的博客
12-09 5897
Online Multitask Learning with Long-Term Memory Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting On Reward-Free Reinforcement Learning with Linear Function A.
【论文阅读笔记】NeurIPS2020文章列表Part1
热门推荐
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
ACL 2022 主会长文论文分类整理
Kaiyuan_sjtu的博客
05-13 5784
© 作者｜蒋锦昊 机构｜中国人民大学高瓴人工智能学院研究方向 | 自然语言处理导读ACL 2022是CCF A类会议，人工智能领域自然语言处理（Natural Language Processing，NLP）方向最权威的国际会议之一。第60届计算语言学协会计划于今年5月22日-5月27日在爱尔兰都柏林召开。官方发布的接收论文列表：Accepted Papers...
ACL2023长论文：对话系统相关论文汇总【1】
csdndogo的博客
11-07 1313
这系列论文在对话系统领域涉及多个关键主题。其中，Prompter以动态前缀适应零样本对话状态跟踪，显著优于先前方法。另外，采用双语模型的DAMP在全球市场上展现出强大的多语言性能。视频对话理解方面，VSTAR数据集推动了对话与场景、主题的深度理解。最后，结合对比潜变量的个性化对话生成模型CLV，有效整合了稀疏与密集人物描述，提升了个性化生成的质量。这些研究推动了对话系统在各个方面的创新和性能提升。
Enhancing Spontaneous Speech Recognition with BLSTM Feature.pdf
10-18
Enhancing Spontaneous Speech Recognition with BLSTM Feature.pdf
Enhancing firefly algorithm with courtship learning.zip
04-28
文章代码
Enhancing Human Pose Estimation with Temporal Clues
02-22
Enhancing Human Pose Estimation with Temporal Clues
Enhancing stock market prediction with extended coupled hidden Markov model over multi-sourced data.
02-08
Enhancing stock market prediction with extended coupled hidden Markov model over multi-sourced data.
Enhancing Adobe Acrobat DC Forms with JavaScript epub
10-06
Enhancing Adobe Acrobat DC Forms with JavaScript 英文epub 本资源转载自网络，如有侵权，请联系上传者或csdn删除 本资源转载自网络，如有侵权，请联系上传者或csdn删除
In Search of Lost Online Test-time Adaptation: A Survey--论文笔记
dezwb的博客
07-08 983
本文介绍了在线测试时间适应(online test-time adaptation,OTTA)的全面调查，OTTA是一种专注于使机器学习模型适应批量到达时的新数据分布的新方法。尽管最近OTTA方法得到了广泛应用，但该领域仍陷入了诸如模糊设置、过时的主干网络和不一致的超参数调优等问题，这些问题混淆了真正的挑战，并使可重复性难以捉摸。为了清晰和严格的比较，我们将OTTA技术分为三个主要类别，并使用强大的视觉转换(ViT)主干对它们进行基准测试，以发现真正有效的策略。
【论文阅读笔记】ASPS: Augmented Segment Anything Model for Polyp Segmentation
qq_46056318的博客
07-08 635
ASPS：用于息肉分割的扩展SAM模型2024年 arxivPaperCode息肉分割在结直肠癌诊断中起着至关重要的作用。最近，Segment Anything Model(SAM)的出现利用其在大规模数据集上的强大预训练能力，为息肉分割带来了前所未有的潜力。然而，由于自然图像和内窥镜图像之间的区域差距，SAM在实现有效的息肉分割方面遇到了两个限制。首先，它的基于变压器的结构优先考虑全局和低频信息，可能会忽略局部细节，并在学习的特征中引入偏差。
Efficient Estimation of Word Representations in Vector Space论文笔记解读
m0_52775136的博客
07-09 556
将输出层的单词表示为一个二叉树，其中每个叶子节点都表示一个单词。每个非叶子节点都表示两个子节点的内积，每个叶子节点都表示该单词的条件概率。对于给定的一对（中心单词，上下文单词），我们希望最大化它们的共现概率。最后输出V个概率，复杂度比较高，采用了2重方法降低复杂度，分别是层次softmax和负采样。Word2vec的向量表示能够自动捕捉到单词之间的语义和语法关系。舍弃多分类，把多分类转变成二分类问题（正样本和负样本）。用周围词预测中心词，求和的时候忽略了每个词的顺序。增大正样本的概率，减小负样本的概率。
【论文阅读】AsyncDiff: Parallelizing Diffusion Models by Asynchronous Denoising
weixin_57974242的博客
07-07 522
简介：异步去噪并行化扩散模型。提出了一种新的扩散模型分布式加速方法，该方法在对生成质量影响最小的情况下显著降低了推理延迟。原理：用异步过程取代顺序去噪过程，允许去噪模型的每个组件在不同的设备上独立运行。动机：扩散模型的多步顺序去噪特性导致了高累积延迟，无法并行计算。AsyncDiff是一个通用的即插即用加速方案，可以跨多个设备实现模型并行，将噪声预测模型分成多个组件，并将每个组件分配给不同的设备。为了打破组件之间的依赖链，它利用连续扩散步骤中隐藏状态之间的高度相似性，将传统的顺序去噪转换为异步过程。
论文阅读--Simple Baselines for Image Restoration
Matrix-11
07-06 896
这篇文章是 2022 ECCV 的一篇文章，是旷视科技的一篇文章，针对图像恢复任务各种网络结构进行了梳理，最后总结出一种非常简单却高效的网络结构，这个网络结构甚至不需要非线性激活函数。文章一开始就提到，虽然在图像复原领域，可以看到非常明显的进步和提升，但是这些算法框架的复杂性也随之增加。这篇文章重新思考了算法框架的设计，提出了一种非常简单的基线算法框架，这个基线算法框架不仅效果上可以超越当前的一些 SOTA 方法，而且运算效率也非常高。
论文阅读 - Intriguing properties of neural networks
m0_52739647的博客
07-08 739
经典论文、对抗样本领域的开山之作发布时间：2014论文链接: https://arxiv.org/pdf/1312.6199.pdf作者：Christian Szegedy, Wojciech Zaremba, Ilya Sutskever, Joan Bruna, Dumitru Erhan, Ian Goodfellow, Rob Fergus写在前面：该文章已经发表10年了，该领域的发展十分迅速，本文中的一些观点可能并不准确。
[论文笔记]涨点近5%! 以内容中心的检索增强生成可扩展的级联框架:Pistis-RAG
最新发布
日积月累，天道酬勤
07-11 622
⭐ 作者提出了一个新颖的框架，以内容为中心。该框架包括不同的阶段：匹配、预排名、排名、多路径推理和聚合。其中包含了很多工程细节，值得参考。但没有看到总体耗时相关的描述以及整体代码，可能耗时会相对较长。
【论文阅读|异步联邦】FedASMU重读
m0_46554918的博客
07-08 890
但如果所有用户都在训练的时候请求新的全局模型，如果是同时申请，这样的状况，本文相当于只在本地聚合时多加了按权分配的策略，缓解了模型陈旧。表示 RL 训练过程的学习率，L 表示本地 epoch 的最大次数，∫L 对应第 L 个本地 epoch 后发送请求(1) 或 不发送请求(0) 的决定，bt 是减少模型偏差的基值。o 为全局模型的版本，l 为局部 epoch 个数，ηi 为设备 i 上的学习率，∇Fi(·) 为基于 Di 中无偏采样的小批 ζl−1 的梯度。元模型和局部模型都会生成每个时隙的概率。
【论文阅读】-- Visual Traffic Jam Analysis Based on Trajectory Data
zijin-jdd的博客
07-07 1236
在这项工作中，我们提出了一个基于 GPS 轨迹的城市交通拥堵可视化分析交互式系统。对于这些轨迹，我们制定了提取和导出交通拥堵信息的策略。清理轨迹后，将它们与道路网络相匹配。随后，计算每个路段的交通速度并自动检测交通拥堵事件。空间和时间相关的事件在所谓的交通拥堵传播图中串联起来。这些图表形成了交通拥堵及其在时间和空间上的传播的高级描述。我们的系统提供了多种视图，可以在传播图层面和路段层面上直观地探索和分析整个大城市的交通状况。通过在北京收集的 24 天出租车 GPS 轨迹进行案例研究，证明了我们系统的有效性。
Small but Mighty: Enhancing 3D Point Clouds Semantic Segmentation with U-Next Framework
05-09
U-Next is a deep learning framework that has been developed for enhancing 3D point clouds semantic segmentation. This framework uses a combination of convolutional neural networks (CNNs) and recurrent neural networks (RNNs) to improve the accuracy of 3D point cloud segmentation. The U-Next framework is designed to work with small datasets, making it ideal for applications where data is limited. Despite its small size, U-Next is highly effective at segmenting 3D point clouds, achieving state-of-the-art results on several benchmark datasets. One of the key features of U-Next is its use of a novel attention mechanism, which allows the framework to focus on important features within the 3D point cloud. This attention mechanism is based on the self-attention mechanism used in natural language processing, which has been adapted for use with 3D point clouds. Overall, the U-Next framework is a powerful tool for enhancing 3D point cloud semantic segmentation, and has the potential to be used in a wide range of applications, from robotics and autonomous vehicles to augmented reality and virtual reality.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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