总览智能对话系统(3位微软与谷歌技术大牛联合出品)

2018 年 8 月 15 日 智能交通技术


导读:来自微软研究院的高剑锋, Michel Galley ,以及来自 Google的李力鸿, 在今年的7月8日的SIGIR 2018, 以及7月15日的 ACL2018上,做出关于神经网络方法在对话系统中的应用的报告。


作者:Jianfeng Gao, Michel Galley, Lihong Li

编译:Huaiwen

来源:专知(ID:Quan_Zhuanzhi)


开发一个不仅能跟人闲聊, 还能够回应开放域问题, 甚至帮人订机票等的智能对话系统是很困难的。直到近些年,随着深度学习,增强学习的发展,以及大量的对话语料,这一问题,总于有解决的苗头了。


在这个PPT中,他们首先介绍与自然语言处理和对话人工智能相关的深度学习和增强学习的最新进展。然后,详细地描述了为实现三种对话系统而开发的最先进的神经网络方法。


  • 阅读理解问答。阅读理解 QA 能够从Web文档和预编译的知识图谱(KG 's)等各种数据源获取的丰富知识,为用户提出的问题,回复简明直接的答案。

  • 面向任务的对话系统,它可以帮助用户完成从会议安排到休假计划等一系列任务。

  • 社交聊天机器人,它可以与人类进行无缝、适当的交谈,经常扮演聊天伙伴和推荐人的角色。


PPT的最后一部分,介绍了近些年研究人员尝试开发开放域对话人工智能系统的尝试,该系统结合了不同类型的对话系统的优点。


在大数据(ID:hzdashuju)公众号后台对话框回复NAC就可以获取SIGIR2018 + ACL2018 Nerual Approaches to Conversational AI Tutorial~ 


以下为PPT:(点击图片可放大)



在大数据(ID:hzdashuju)公众号后台对话框回复NAC就可以获取SIGIR2018 + ACL2018 Nerual Approaches to Conversational AI Tutorial~ 


【高剑锋】 现任微软研究院商业 AI部门的研究主管,曾任微软研究院深度学习技术中心研究主管,带领团队开发了许多面向销售和市场的AI解决方案。他还致力于研究深度学习在文本处理上的应用,带领团队在对话系统(Dialogue System)、机器阅读理解(MRC)和问答(QA)等问题上进行探索。主页:

https://www.microsoft.com/en-us/research/people/jfgao/


【Michel Galley】  是微软研究院的研究员,主要研究方向是人工智能、自然语言处理、深度学习、对话系统、文本生成、机器翻译、文本和语音摘要。他目前的研究主要集中在对话系统的深度学习方法。主页:

https://www.microsoft.com/en-us/research/people/mgalley/


【李力鸿】 的主要研究方向是在机器学习的交互系统中的应用。他的重点领域是增强学习。他还对大数据的大型在线学习、主动学习、规划等相关领域感兴趣。他的工作主要应用于推荐、网页搜索、广告、对话系统和垃圾邮件检测。主页:

https://lihongli.github.io/



登录查看更多
8

相关内容

Michel Galley是微软研究人工智能的高级研究员。他的研究兴趣在自然语言处理和机器学习领域,特别关注会话人工智能、神经生成、统计机器翻译和总结。他获得了哥伦比亚大学的硕士和博士学位,并获得了电子计算机科学学士学位。在加入微软研究之前,他是斯坦福大学计算机系的研究助理。他还是南加州大学/国际科学院NLP小组和贝尔实验室口语对话系统小组的定期访问研究员。他与人合著了50多篇科学论文,其中许多出现在顶级的NLP、AI和ML会议上。其中两份出版物是最佳论文决赛(NAACL 2010,EMNLP 2013)。他还担任自然语言处理大会(ACL、NAACL、EMNLP)的地区主席,并在SIGIR和IJCAI担任高级PC成员。
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
24+阅读 · 2019年11月19日
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
78+阅读 · 2019年10月12日
一文读懂智能对话系统
数据派THU
16+阅读 · 2018年1月27日
史上最全!阿里智能人机交互的核心技术解析
阿里技术
4+阅读 · 2017年12月2日
阿里智能对话交互实践与创新
人工智能头条
5+阅读 · 2017年11月30日
ADL报名 | 从自然语言理解到问答机器人
中国计算机学会
5+阅读 · 2017年10月17日
Arxiv
15+阅读 · 2019年6月25日
Arxiv
3+阅读 · 2018年12月18日
Arxiv
6+阅读 · 2018年11月1日
Arxiv
26+阅读 · 2018年9月21日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
10+阅读 · 2018年2月9日
VIP会员
相关VIP内容
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
24+阅读 · 2019年11月19日
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
78+阅读 · 2019年10月12日
相关论文
Arxiv
15+阅读 · 2019年6月25日
Arxiv
3+阅读 · 2018年12月18日
Arxiv
6+阅读 · 2018年11月1日
Arxiv
26+阅读 · 2018年9月21日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
10+阅读 · 2018年2月9日
Top
微信扫码咨询专知VIP会员