关键词neural generative model
搜索结果 - 4
- ACL基於改寫的任務導向對話生成
该研究提出了一种基于替换词增强的响应生成 (PARG) 框架,该框架联合训练了一个替换模型和一个响应生成模型,以提高对话生成的性能,并通过对话状态和对话行为标签自动构建替换培训数据集。实验结果表明,所提出的框架进一步改善了 CamRest6 - 文本冒险游戏中自动化问题生成探索
本文研究使用马尔可夫模型和神经生成模型,在以厨艺为例的语境中,为文本冒险游戏(Interactive fictions)自动生成任务目标序列,评估两个任务生成技术在语义上的连贯性和创造性。
- ACLMem2Seq: 将知识库有效地整合到端到端任务导向的对话系统中
本文提出了一种名为记忆到序列(Mem2Seq)的神经生成模型,该模型将多跳记忆和指针网络的思想结合在一起,用于解决端到端面向任务的对话系统中包含知识库的挑战。我们实验证明 Mem2Seq 可以控制每个生成步骤,并展示其多跳注意机制如何帮助学 - 控制生成文本的发展
本文旨在通过学习简化的语义分离潜在表示来生成和控制自然语言句子,同时通过变分自编码器和全局属性判别器的组合来建立新的神经生成模型。该模型具有可解释性和高效性,可以生成符合要求的具有各种属性的句子。量化评估验证了该模型的生成准确性。