珠宝店会话式聊天机器人
通过使用大型语言模型(LLMs),我们提出了一个框架,可以自动生成与产品有关的上下文、有用、可回答、流畅且多样化的问题,并建议这些问题给客户作为帮助和提示,从而实现更顺畅、更快速、减少对话开销和摩擦的购物体验。
May, 2024
该研究提出了一个混合模型,结合了神经会话模型和基于规则的图形对话系统,通过聊天对话协助用户安排提醒,该系统相较于基于规则的基准系统表现出显著的改进,并结合了神经生成模型,使其足够稳健以应对实际应用场景。
Nov, 2017
本文提出了意图发现框架,通过自动聚类类似用户话语并手动注释,再通过对未被聚类映射的话语标记意图标签和标记传播,从原始对话中生成意图训练数据,以有效地解决在聊天机器人开发过程中遇到的用户话语分类问题,并验证了该框架的有效性。
May, 2020
本文研究了对话推荐系统中的最近工作,并介绍了一种将上下文化的输入与学习模型联系起来以支持意图识别的方法,使用 transformer 基础模型在数据集 MSDialogue 上进行了性能评估。
Dec, 2022
本文介绍面向聊天机器人的查询理解决方案,包括基于层次化意图的请求分类和使用序列生成模型,以及综合性组件的集成,如成人 / 攻击性分类、语法 / 正则表达式、引导性反应和响应生成模型,以解决这一难题。
Nov, 2018
在这项研究中,我们探讨了 ChatGPT 在学术背景下的伦理影响、其局限性和特定用户群体可能的滥用情况,并提出了旨在防止不当使用和促进负责任的 AI 交互的架构解决方案。
Oct, 2023
本文介绍了一种将 APIs 与聊天机器人相融合的方案,旨在帮助缺乏技术能力的业务用户实现自动化解决方案。文中提出了一种生成句子训练意图识别模型的系统,并使用深度学习模型进行评估,结果显示很有前景,在系统中引入人的参与将进一步提高系统性能。
Jun, 2022
本文提出了一种混合神经对话模型,其结合了检索和生成方法的优点,并经实验证明其在 Twitter 和 Foursquare 数据上优于检索方法和生成方法(包括最近提出的基于知识的神经对话模型),这将为构建对话系统提供新的思路。
Apr, 2019
在本文中,我们通过提交 60 个提问并基于三项机器翻译评分标准(BLEU,METEOR 和 ROUGE)对 ChatGPT 的回答进行了分析,结果显示出与人类典型反应相比,ChatGPT 在回复和翻译方面的能力虽然显著,但仍有所欠缺。
Feb, 2023