【QA学习】综述学习

本文概述了问答系统的学习方法,包括分类、单轮检索模型和多轮对话。单轮检索模型关注语义表示和融合,如CNN、RNN和Attention机制。多轮对话系统需考虑历史信息,通过RNN等技术进行匹配和重排序。深度学习在语义表示和融合中起到关键作用,提高匹配效果。
摘要由CSDN通过智能技术生成

分类

输入是否考虑历史信息

  • 单轮对话
  • 多轮对话
    构建方法
  • 1.检索式方法
    • 首先构建一个用于检索的数据库,将用户的输入视为对该索引系统的查询,从中选择一个回复。具体的来说,当用户在线输入语句后,系统首先初步检索,初步找回一批候选回复,然后再根据对话匹配模型进行重排序得到最佳回复。
    • 在这里插入图片描述
  • 2.生成式方法
    • 而生成式的方法则源自机器翻译,收集大规模的语料,然后再建立一种端到端的模型,来学习输入和回复之间的对应模式。逐个生成词语
  • 3.检索和生成相结合的方法
    • 将两种结合起来

单轮检索模型

  • 核心:构建查询-回复之间的匹配模型,分为语义表示和语义融合
  • 语义表示:将查询和回复映射到语义向量
  • 语义融合:将查询语义向量和回复语义向量融合过程建模

以语义表示为中心

模型

  • Based in CNN

  • 1.基于CNN,将查询和回复的词向量输入,进行C

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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