关键词neural sequence-to-sequence model
搜索结果 - 9
- 知识图谱通用问答平台
本文提出了 KGQAn,一个通用的 QA 系统,它不需要为每个目标 KG 进行定制,而是采用一种新颖的形式化方法将问题理解为一个文本生成问题,并通过神经序列到序列模型将问题转换为中间抽象表示。我们还开发了一个即时链接器,在查询时间使用 RD - ACL具有结构感知编码和解码的 DRTS 语法解析
本文提出了一种结构感知模型,利用图注意力网络在编码器和解码器阶段整合结构信息,从而改进 Discourse Representation Tree Structure(DRTS)解析任务,实验证明该模型在该领域取得了最佳性能。
- ACL机器翻译中的意义丢失缩减方法
该论文提出了一种基于贝叶斯模型和神经序列到序列模型的 less ambiguous 翻译方法,通过提高注射性以及测量集合一致性的改进来更好地保留语义,同时不影响翻译质量。
- ACL编辑机制辅助下的论文摘要写作
本文基于一种注意力机制的神经序列到序列模型提出了一种论文摘要写作系统,该系统可以以标题为输入自动生成摘要,并通过两轮图灵测试,获得非专业和专业领域内人员的高通过率。
- 学习解释非标准英语单词和短语
利用 15 年的 UrbanDictionary.com 数据,提出了一种基于数据驱动的方法,可以自动解释给定句子中的新的非标准英语表达式。该方法利用神经序列 - 序列模型,通过上下文学习生成解释,利用双编码器方法,即单词级编码器学习上下文 - EMNLP用于不确定输入的神经格点序列模型
研究使用基于树结构的神经网络模型作为编码器建立语音翻译模型,使用词汇图来代替输入,可以提高翻译准确性。
- 常识推理
研究了基于常识推断和自然语言的自动化推断能力,并提出了一种以推理推断为基础的评估框架和数据集,使用神经序列到序列模型训练。此外,通过序数标注协议注释预先建立的数据集并分析其区别。
- 利用神经机器翻译实现反强化学习导航指令生成
该研究提出了一种导航指南模型,使机器人能够生成自然语言指令,帮助人们在事先未知的环境中进行导航,该模型使用人类演示数据通过反向强化学习训练决策策略,并通过神经序列到序列模型从自然语料库中生成自由形式的语句,实验测评表明,在与人类参考指令进行 - NIPS听、关注和行:将导航指令映射为动作序列的神经网络
提出一种神经序列到序列模型,用 LSMT-RNN 将自然语言指令转化为动作序列来实现有效的自主代理。该模型使用对当前世界状态显著的句子 “区域” 的多个抽象来实现对句子的多层次对其。与现有方法相比,该模型不需要专门的语言资源(例如解析器)或