用于对话的生成式深度神经网络：简短综述
计算与语言
2016-11-21 v1 人工智能
神经与进化计算
摘要
研究人员最近开始研究用于对话应用的深度神经网络。特别是，生成式序列到序列(Seq2Seq)模型在非结构化任务(如词级对话响应生成)上显示出有前景的结果。希望此类模型能够利用海量数据学习有意义的自然语言表示和响应生成策略，同时需要最少的领域知识和手工设计。一个重要挑战是开发能有效融入对话上下文并生成有意义且多样响应的模型。为支持该目标，我们回顾了最近提出的基于生成式编码器-解码器神经网络架构的模型，并表明这些模型在融入长期对话历史、建模对话中的不确定性和歧义、以及生成具有高级组合结构的响应方面具有更好的能力。
引用
@article{arxiv.1611.06216,
title = {Generative Deep Neural Networks for Dialogue: A Short Review},
author = {Iulian Vlad Serban and Ryan Lowe and Laurent Charlin and Joelle Pineau},
journal= {arXiv preprint arXiv:1611.06216},
year = {2016}
}
备注
6 pages, 1 figure, 3 tables; NIPS 2016 workshop on Learning Methods for Dialogue