人机对话系统能够让机器通过人类语言与人进行交互,是人工智能领域的一项重要工作。因其在虚拟助手和社交聊天机器人等领域的商业价值而广受工业界和学术界的关注。近年来,互联网社交数据快速增长促进了数据驱动的开放领域对话系统研究,尤其是将深度学习技术应用到其中取得了突破性进展。基于深度学习的开放领域对话系统使用海量社交对话数据,通过检索或者生成的方法建立对话模型学习对话模式。将深度学习融入检索式系统中研究提高对话匹配模型的效果,将深度学习融入生成式系统中构建更高质量的生成模型,成为了基于深度学习的开放领域对话系统的主要任务。本文对近几年基于深度学习的开放领域对话系统研究进展进行综述,梳理、比较和分析主要方法,整理其中的关键问题和已有解决方案,总结评测指标,展望未来研究趋势。

成为VIP会员查看完整内容
0
58

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等

摘要:近年来,基于深度学习的表面缺陷检测技术广泛应用在各种工业场景中.本文对近年来基于深度学习的表面缺陷检测方法进行了梳理,根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法三大类,并对各种典型方法进一步细分归类和对比分析,总结了每种方法的优缺点和应用场景.本文探讨了表面缺陷检测中三个关键问题,介绍了工业表面缺陷常用数据集.最后,对表面缺陷检测的未来发展趋势进行了展望.

成为VIP会员查看完整内容
基于深度学习的表面缺陷检测方法综述_陶显.pdf
0
69

题目: 基于深度学习的主题模型研究

摘要: 主题模型作为一个发展二十余年的研究问题,一直是篇章级别文本语义理解的重要工具.主题模型善于从一组文档中抽取出若干组关键词来表达该文档集的核心思想,因而也为文本分类、信息检索、自动摘要、文本生成、情感分析等其他文本分析任务提供重要支撑.虽然基于三层贝叶斯网络的传统概率主题模型在过去十余年已被充分研究,但随着深度学习技术在自然语言处理领域的广泛应用,结合深度学习思想与方法的主题模型焕发出新的生机.研究如何整合深度学习的先进技术,构建更加准确高效的文本生成模型成为基于深度学习主题建模的主要任务.本文首先概述并对比了传统主题模型中四个经典的概率主题模型与两个稀疏约束的主题模型.接着对近几年基于深度学习的主题模型研究进展进行综述,分析其与传统模型的联系、区别与优势,并对其中的主要研究方向和进展进行归纳、分析与比较.此外,本文还介绍了主题模型常用公开数据集及评测指标.最后,总结了主题模型现有技术的特点,并分析与展望了基于深度学习的主题模型的未来发展趋势。

成为VIP会员查看完整内容
0
88

【导读】对话系统(Dialogue system,DS)由于其广泛的应用前景,已经吸引了工业界和学术界极大的关注。研究人员通常根据对话系统的功能对其进行分类.然而许多对话需要DS在不同的功能之间来回切换。例如,电影评论就需要在对话和问答之间切换,交流式推荐就需要系统在对话与推荐之间转换。因此,根据功能进行分类并不足以适应当前的发展趋势。我们基于背景知识对DS进行分类。特别地,我们基于非结构化的文本来研究目前最新的对话系统。我们把基于文档对话系统(Document Grounded Dialogue System,DGDS)定义为围绕给定的文本进行对话交流的对话系统。DGDS可以被应用在诸多场景之中,如根据产品手册谈论商品,评论新闻报道等。我们相信抽取非结构化的信息是对话系统未来的发展趋势,因为在这些非结构化的文本之中蕴藏着大量的人类知识。研究DGDS一方面是因为其广泛的应用前景,另一方面是因为其能够促进AI更好的理解人类知识和自然语言。我们从DGDS的类别,架构,数据集,模型和未来的发展方向进行了论述。

成为VIP会员查看完整内容
0
60

由于任务型对话系统在人机交互和自然语言处理中的重要意义和价值,越来越受到学术界和工业界的重视。在这篇论文中,我们以一个具体问题的方式综述了最近的进展和挑战。我们讨论三个关键主题面向任务对话框系统: (1)提高数据效率促进对话系统建模在资源匮乏的设置,(2)建模多轮动态对话框策略学习获得更好的完成任务的性能,和(3)将领域本体知识集成到模型在管道和端到端模型所示的对话框。本文还综述了近年来对话评价的研究进展和一些被广泛使用的语料库。我们相信这项综述可以为未来面向任务的对话系统的研究提供一些启示。

成为VIP会员查看完整内容
0
64

自然语言处理(NLP)帮助智能机器更好地理解人类语言,实现基于语言的人机交流。计算能力的最新发展和大量语言数据的出现,增加了使用数据驱动方法自动进行语义分析的需求。由于深度学习方法在计算机视觉、自动语音识别,特别是NLP等领域的应用取得了显著的进步,数据驱动策略的应用已经非常普遍。本调查对得益于深度学习的NLP的不同方面和应用进行了分类和讨论。它涵盖了核心的NLP任务和应用,并描述了深度学习方法和模型如何推进这些领域。我们进一步分析和比较不同的方法和最先进的模型。

成为VIP会员查看完整内容
0
158
小贴士
相关VIP内容
基于深度学习的表面缺陷检测方法综述
专知会员服务
69+阅读 · 2020年5月31日
专知会员服务
128+阅读 · 2020年5月6日
专知会员服务
107+阅读 · 2020年4月25日
专知会员服务
77+阅读 · 2020年4月23日
专知会员服务
78+阅读 · 2020年3月12日
专知会员服务
158+阅读 · 2020年3月6日
深度学习自然语言处理综述,266篇参考文献
专知会员服务
161+阅读 · 2019年10月12日
相关资讯
对话系统近期进展
专知
35+阅读 · 2019年3月23日
综述 | 近年来深度学习的重要研究成果(附PDF)
数据派THU
10+阅读 · 2018年8月15日
一文读懂智能对话系统
数据派THU
16+阅读 · 2018年1月27日
赛尔译文 | 对话系统综述:新进展新前沿
哈工大SCIR
8+阅读 · 2017年11月17日
赛尔原创 | 对话系统评价方法综述
哈工大SCIR
10+阅读 · 2017年11月13日
相关论文
Xipeng Qiu,Tianxiang Sun,Yige Xu,Yunfan Shao,Ning Dai,Xuanjing Huang
91+阅读 · 2020年3月18日
Few-shot Natural Language Generation for Task-Oriented Dialog
Baolin Peng,Chenguang Zhu,Chunyuan Li,Xiujun Li,Jinchao Li,Michael Zeng,Jianfeng Gao
29+阅读 · 2020年2月27日
Zi-Yi Dou,Keyi Yu,Antonios Anastasopoulos
5+阅读 · 2019年8月27日
Kamran Kowsari,Kiana Jafari Meimandi,Mojtaba Heidarysafa,Sanjana Mendu,Laura E. Barnes,Donald E. Brown
11+阅读 · 2019年6月25日
Minlie Huang,Xiaoyan Zhu,Jianfeng Gao
16+阅读 · 2019年5月13日
Marc Everett Johnson
3+阅读 · 2018年12月18日
Stefan Constantin,Jan Niehues,Alex Waibel
3+阅读 · 2018年12月17日
Sean Welleck,Jason Weston,Arthur Szlam,Kyunghyun Cho
6+阅读 · 2018年11月1日
Hongshen Chen,Xiaorui Liu,Dawei Yin,Jiliang Tang
11+阅读 · 2018年1月11日
Top