用于 Smart Reply 的高效自然语言响应建议
计算与语言
2017-05-03 v1
摘要
本文提出一种计算高效、机器学习驱动的自然语言响应建议方法。使用 n-gram 嵌入特征的前馈神经网络将消息编码为向量，这些向量被优化以使得消息-响应对具有高点积值。一种优化搜索找到响应建议。该方法在大规模商业电子邮件应用 Gmail 的 Inbox 中得到评估。与 sequence-to-sequence 方法相比，新系统以极少部分的计算需求和延迟实现了相同的质量。
引用
@article{arxiv.1705.00652,
title = {Efficient Natural Language Response Suggestion for Smart Reply},
author = {Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
journal= {arXiv preprint arXiv:1705.00652},
year = {2017}
}