对话系统论文集（20）-阅读state tracking笔记

最新推荐文章于 2024-06-19 20:41:12 发布
最新推荐文章于 2024-06-19 20:41:12 发布
阅读量535 收藏 1
点赞数 1
分类专栏： 对话系统&强化学习
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/yagreenhand/article/details/89358690
版权
本文介绍了两篇关于对话状态跟踪的论文，包括使用全局-局部自注意力编码器的模型，该模型通过全局LSTM和局部LSTM处理slot之间的信息和slot自身的value信息。另一篇论文Sequicity提出简化任务导向的对话系统，采用单一的序列到序列架构。论文讨论了如何生成state信息，而不直接涉及action的产生。后续内容提到了数据集并非dstc2。
摘要由CSDN通过智能技术生成

论文《Global-Locally Self-Attentive Encoder for Dialogue State Tracking》
论文Sequicity: Simplifying Task-oriented Dialogue Systems with Single
Sequence-to-Sequence Architectures

第一篇
在这里插入图片描述
输入是： X ∈ R n × d e m b X ∈ R^{n×d_{emb}}

最低0.47元/天 解锁文章
zixufang
关注
专栏目录
Effective Sequence-to-Sequence Dialogue State Tracking论文笔记
weixin_46830886的博客
11-17 953
粗读了一下，大概是说seq2seq很好，但是怎么在DST上使用它们还没有被系统地研究过，从两个角度来研究怎么更好使用seq2seq来匹配dst任务：一个是从预训练的任务（用T5的大量不同预训练setups）；另一个是从context的形式上（full history和先前预测出的states循环作为history的summary） 觉得对我的开题有参考 想精读一下 2 methods: 2.1 模型 encoder 和decoder都是transformers encoder的输入：dialogu
论文阅读：《Efficient Dialogue State Tracking by Selectively Overwriting Memory》
weixin_44385551的博客
11-23 1814
论文阅读：《Efficient Dialogue State Tracking by Selectively Overwriting Memory》 目录论文阅读：《Efficient Dialogue State Tracking by Selectively Overwriting Memory》背景SOM-DST基本思想Open Vocabulary-based DST简史SOM-DST具体...
科研——BIBM论文修改和提交
最新发布
Blackoutdragon的博客
06-19 1375
BIBM的相关操作流程汇总
【论文摘要】Dialog State Tracking with Reinforced Data Augmentation
LZJ209的博客
02-27 522
本文仅为个人对论文的一点理解，如果有不对的地方烦请指正 戳我看论文原文 论文背景 \quad 智能助手例如Alexa，Siri，Google Duplex的应用越来越广泛，它非常重要的任务是Dialog state tracking(DST)，也就是追踪用户的目的，有了这些信息，智能助手再去决定如何与人类交流。 \quad 在slot-based dialog system中，对话的状态被视为槽位...
An End-to-End Dialogue State Tracking System with...
orangerfun的博客
06-21 610
1. Introduction 在多领域对话中，用户通常在对话中请求不同的服务。在这种情况下，要求对话系统在所有这些服务之间无缝运行，这使DST更具挑战性。只有当对话状态跟踪器准确地估计不同域之间的对话状态时，对话系统才能为后续的动作选择做出正确的判断。在这种情况下，第八届“对话系统技术挑战赛”中提出了“模式指导的对话状态跟踪”赛道。在这场竞赛中，使用模式指导的方法预定义了一系列服务。每个域中的不同开发人员提供不同的服务。每个服务的意图和槽位都附有一个用自然语言来描述其语义的句子，该句子的语义可以被系统识别
基于深度学习的对话系统---论文简介篇
pnnngchg的博客
10-17 1414
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 Translation 2.Sequence to Sequen...
Tracking the World State with Recurrent Entity Networks--阅读笔记和TensorFlow实现
呜呜哈的博客
09-12 2624
这篇论文是facebook在前段时间ICLR会议上发表的论文，提出了一种Recurrent Entity Network的模型用来对world state进行建模，实时的根据模型的输入对记忆单元进行更新，从而得到对world的一个即时的认识。该模型可以用于机器阅读理解、QA等领域。下面对论文所提出的模型架构进行一个简单的概述：1，论文提出了一种新的动态记忆网络，其使用固定长度的记忆单元来存储世界上的
Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 论文笔记
Jayxbx的博客
04-19 2962
0 摘要 我们提出了一种基于CNN的视觉跟踪算法。算法从多个标注的videos中，来学习物体的共享的表示，协助进行跟踪。 网络的结构：shared layers + multiple branches of domain-specific layers 训练的时候，利用一些video来共同训练一个shared layers，每个video看做是一个单独的 domain，单独训练一个domai...
《SiamFC++：Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines》论文笔记
m_buddy的博客
03-19 859
参考代码：video_analyst 1. 概述 导读：这篇文章指出之前的一些跟踪算法没有深入讨论针对跟踪任务的实质，很多时候只是在某些点上进行突破，因而最后方法的性能总是有局限性的。对此文章深入分析了跟踪网络的特性，因而对跟踪网络的设计提出了4点建议：G1（目标位置估计和目标判别需要接耦，分别具有各自的分支）/G2（目标判别置信度不能与实际相模糊）/G3（不能依赖数据分布等先验知识，否则导致泛化性鲁棒性不强）/G4（目标位置的估计应该准确）。正是基于上的4点设计指导，文章设计了SiamFC++网络，在5
顶会速递 | ICLR 2020录用论文全集
热门推荐
语言智能技术笔记簿
03-10 1万+
由深度学习三巨头Yoshua Bengio和Yann LeCun牵头创办的人工智能顶会ICLR今年最终收到2594篇投稿，共687篇论文被接收，其中48篇orals，108篇spotlights，531篇posters，录取率为26.5%，相比去年的31.4%略有下降。华人学者占比为47%。这篇博客为大家列出全部录用的论文列表，方便大家自取。
【论文笔记】Simplifying Task-oriented Dialogue Systems with Single Sequence-to-sequence Architectures
qq_38255829的博客
09-27 463
这篇文章提出了一个基于sequence-to-sequence(seq2seq)模型的方法用于对话状态跟踪(dialogue state tracking/belief tracking)，该方法可同时解决对话任务以及生成系统的回复。
论文阅读：GLAD《Global-Locally Self-Attentive Dialogue State Tracker》
weixin_44385551的博客
11-03 1124
论文阅读：《Global-Locally Self-Attentive Dialogue State Tracker》 背景 这篇论文，如我所关注的那样，还是针对任务完成型对话系统的。其核心就是所谓的**对话状态跟踪(Dialogue state tracking)**组件。这篇paper里，作者提出了“全局加部分自注意力对话状态跟踪器（Global-Locally Self- Attentive...
Aspect Based Sentiment Analysis经典模型
qq_43398345的博客
09-27 994
本文将介绍一些absa任务上经典的模型，主要集中在aspect term sentiment analysis 和 aspect category sentiment analysis两个子任务上。首先注明在absa任务中，aspect based sentiment analysis 和 aspect level sentiment analysis一般指代同一种任务。
[骨架动作识别]Global Context-Aware Attention LSTM
liudiudiu
10-18 2918
标签（空格分隔）： 文章阅读1. Introduction不是所有的节点都有有用信息，所以引入注意力模型。 注意力机制利用全局背景信息 对于普通的LSTM而言，虽然后来的step包含更多的累积信息，但是相对于初始帧来说，背景信息还是非常local。 本文的GCA-LSTM，将初始背景信息送给每一个step。ST-LSTMS for Spatial T for Temporal)
如何理解用户评论中的细粒度情感？面向目标的观点词抽取
Paper weekly
04-28 2475
「论文访谈间」是由 PaperWeekly 和中国中文信息学会社会媒体处理专委会（SMP）联合发起的论文报道栏目，旨在让国内优质论文得到更多关注和认可。背景介绍文本情感分析旨在自动地从非...
论文写作笔记4 期刊选择-医学&计算机
越开源越幸运
07-14 7513
本次有两个目标1.整理人工智能和医学结合的好的期刊列表选投哪个期刊2.整理每个期刊主要发哪一类的文章,审稿周期/平均录用进度(这个在梅斯医学可以查到,就不标在此处了)
《 Recent Advances in Deep Learning-based Dialogue Systems 》：Neural Models in Dialogue Systems
北风吹过的秋
05-27 2131
关注微信公众号：NLP分享汇。【喜欢的扫波关注，每天都在更新自己之前的积累】 文章链接：https://mp.weixin.qq.com/s/vsEH5wj9Y5dShnH42hCX_Q 前言 本文将以2021年南洋理工大学发表的论文《Recent Advances in Deep Learning-based Dialogue Systems》为基础，介绍「深度学习对话系统」综述系列，共分七篇，本文是第二篇。本文较长，建议读者直接阅读感兴趣的部分。 开篇链接：2021深度学习对话系统大综述 [
orb-slam+tracking
10-23
ORB-SLAM是一种基于特征点的视觉SLAM系统，它可以在没有先验地图的情况下，通过单目、双目或RGB-D相机实现实时的三维场景重建和相机位姿估计。ORB-SLAM+Tracking是ORB-SLAM的改进版本，它在ORB-SLAM的基础上增加了一...
评论 2
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