本文介绍了上海交通大学在2018年提出的深度对话整合模型（DUA），该模型针对多轮对话的检索式问答，通过注意力机制挖掘关键信息并减少冗余。DUA包括Utterance Representation、Turns-aware Aggregation、Matching Attention Flow、Response Matching和Attentive Turns Aggregation五个模块，有效结合了对话历史和候选响应，同时发布了电子商务对话语料库ECD。文章详细阐述了每个模块的功能和工作原理，如使用GRU、CNN和attention机制来提高匹配度。
论文原文：https://arxiv.org/pdf/1806.09102.pdf
刚看到小夕的这篇总结个人感觉讲的很好很容易理解，里面涉及了4篇论文串烧，按照时间讲了算法的发展，文风也蛮有趣（有点嗲，哈哈~）
上海交通大学等2018年发表的文章，主要涉及基于检索式的多伦问答模型，提出了一个深度对话整合模型（DUA），是针对多轮对话将过去会话直接拼接作为上下文信息存在噪声和冗余等问题，DUA从对话和回复中采用attention机制挖掘关键信息，凸显关键信息忽略冗余信息，最终获得utterances和response的匹配得分。本文还发布了一个电子商务对话语料库ECD，涉及到商品咨询、物流快递、推荐、谈判、聊天等，本文的数据集及代码。结构如下可分为5个模块：
DUA的优点：
最后一轮对话很好的与前面对话结合，其最主要信息可以更好的用语义相关的方法来解决
2134
5079
410
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
