基于小样本机器学习的跨任务对话系统OA北大核心CSCDCSTPCD
Cross-task dialog system based on small sample machine learning
对话系统效果主要取决于自然语言理解与对话管理组件的表现.在构建特定领域的对话系统时,标注数据和语料不足、面临多轮对话中不合作对话的干扰,而且很难将一个构建完的系统扩展到新的领域.在少量特定领域样本的基础上,将来自机器翻译模型的双向编码表征预训练模型应用到意图识别模块,在对话管理组件提出了基于神经图灵机的循环嵌入对话策略,使系统具备了更强的特征抽取能力,并初步具备了跨任务对话能力.该对话策略通过神经图灵机对历史对话和系统行为给予了特别关注,在用户和…查看全部>>
刘继明;孟亚磊;万晓榆
网经科技(苏州)有限公司,江苏 苏州215021网经科技(苏州)有限公司,江苏 苏州215021重庆邮电大学 经济管理学院,重庆400065
信息技术与安全科学
人工智能自然语言处理对话系统对话策略优化
《重庆邮电大学学报（自然科学版）》 2019 (3)
299-304,6
评论