ACLMay, 2019

基于内容词的句子解码与评估在开放域神经响应生成中的应用

PDF
TL;DR研究了基于编码器 - 解码器模型的开放领域对话系统的自动回复方法，并提出一种将内容单词序列作为中间表示的方法，并通过将学习和评估的重点从完整句子转移到内容单词序列，提高了生成语句相关性的方法。
encoder-decoder modelsresponse generationopen-domain dialogsintermediate representationscontent word sequence
发现论文，激发创造
  • 利用自动会话评估器实现连贯和引人入胜的口语对话响应生成

    本研究提出一个评估聊天机器人响应的系统，利用明确的反馈机制改进神经响应图生成模型，从而获得更具连续性和参与度的响应。

    Apr, 2019

  • 数据到文本生成的端到端内容和计划选择

    本文介绍了多种扩展序列 - 序列模型的方法，旨在解决从结构化数据中生成流畅自然语言的问题，特别关注潜在内容选择过程的变体，包括复制注意力和覆盖解码。我们提出了一种基于多样集成的训练方法，以鼓励模型在训练过程中学习不同的句子模板，并通过比较其生成的文本在五个自动度量标准和人类评估中的结果，表明这些技术可以提高生成文本的质量。

    Oct, 2018

  • 情感神经响应生成

    通过引入情感方面的三种新方法，可以改善神经会话模型的自然语言处理能力，实现更加丰富、有趣和自然的情感化响应。

    Sep, 2017

  • 使用生成式分层神经网络模型搭建端到端对话系统

    使用生成模型在大型对话语料库上构建开放域对话系统的任务得到了研究，这里我们扩展了分层递归编码器 - 解码器神经网络到对话领域，并证明了该模型与最先进的神经语言模型和后退 n-gram 模型有竞争力，我们进一步探讨了该方法及类似方法的局限性，再展示了如何通过从更大的问答匹配语料库和预训练的词嵌入中引导学习以提高其性能。

    Jul, 2015

  • 利用句子和上下文表示的深度神经模型进行口语理解

    本文提出了一种深度学习的体系结构，用于基于轮询槽位的语音问答系统中的语义解码器组件，该语义解码器利用分布式语义表示学习来克服显式去词汇化的限制，通过使用卷积神经网络和长短时记忆网络对句子和上下文表示进行建模，并基于 DSTC2 和 In-car 数据集，对模型进行了实验验证。

    Oct, 2016

  • 利用元词生成神经响应

    本文提出了使用元词汇的开放域回复生成方法，通过增强序列到序列结构的目标跟踪记忆网络，以元词汇表达为目标来控制生成过程，从而在回复的关联性、多样性、一对多建模准确性、元词汇表达准确性和人类评估方面显著优于其他现有方法。

    Jun, 2019

  • 未书写的语言也需要关注！使用编码器 - 解码器模型进行单词发现

    本研究考察了神经网络在非书面语境下的词语发现任务中的应用，其中包括无监督和有限监督两种情形，结果表明在只有 5,157 个句子的情况下，使用编码器 - 解码器神经机器翻译系统进行训练可以检索出至少 27% 的词汇量。此外，我们的方法具有生成翻译对位的优势，这可用于创建双语词表。未来可以直接从语音输入中使用此方法。

    Sep, 2017

  • 神经文本生成的句子级内容规划和风格规范

    通过端到端训练的两步生成模型，即首先由句子级内容规划器决定涵盖的关键词组和所需的语言风格，然后由表面实现解码器生成相关和连贯的文本，可以显著优于现有竞争模型，在 Reddit 的说服性论证、维基百科的正常和简单版本的段落生成以及科学文章的摘要生成等任务中得到验证。

    Sep, 2019

  • 面向任务型对话的基于组合表示的神经网络语言生成的约束解码

    本文提出使用树状结构的语义表示来改进对话系统中基于任务的自然语言生成问题，并介绍了一个挑战性的数据集，并展示了基于此表示的编码方法以提高语义正确性的结果。

    Jun, 2019

  • 在开放域对话系统中使用反向推理来提高响应质量

    本文提出一种双向推理的生成模型，通过向基础的编码解码模型添加后向推理步骤，推动模型产生更多信息丰富、连贯的回复，实现了双向优化，最终提升了响应质量，成为当前响应质量最好的方法之一。

    Apr, 2021