NeuralDialogPapers
1.0.0
¡Una lista de artículos sobre la creación de sistemas de diálogo utilizando redes profundas! No dude en agregar un problema o solicitar una solicitud para los documentos faltantes .
Comprensión conjunta del lenguaje hablado en línea y modelado del lenguaje con redes neuronales recurrentes, Bing Liu, arXiv , 2016
Modelos de redes neuronales recurrentes basados en la atención para la detección de intenciones conjuntas y el llenado de espacios, Bing Liu, arXiv , 2016
Un sistema de diálogo orientado a tareas, entrenable de extremo a extremo y basado en red Tsung-Hsien Wen et al, 2016
Generación condicional y aprendizaje instantáneo en sistemas de diálogo neuronal Tsung-Hsien Wen et al, 2016
Incorporación de fuentes de conocimiento textual no estructurado en el diálogo neuronal Ryan Lowe et al., 2016
Control de diálogo basado en LSTM de un extremo a otro optimizado con aprendizaje supervisado y reforzado, Jason D. Williams et al., 2016
Aprendizaje reforzado de extremo a extremo de agentes de diálogo para el acceso a la información Bhuwan Dhingra et al., 2016
Gerente de diálogo y comprensión del lenguaje natural de extremo a extremo, Xuesong Yang et al., 2016
Redes de código híbrido: control de diálogo de extremo a extremo práctico y eficiente con aprendizaje supervisado y reforzado Jason D. Williams et al., 2017
Aprendizaje de agentes de diálogo colaborativo simétrico con incrustaciones de gráficos de conocimiento dinámico He He et al., 2017
Redes de recuperación de valores clave para el diálogo orientado a tareas M Eric et al., 2017
¿Acuerdo o no trato? Aprendizaje de extremo a extremo para diálogos de negociación Mike Lewis et al., 2017
Modelos generativos de codificador-decodificador para sistemas de diálogo hablado orientados a tareas con capacidad de chat Tiancheng Zhao et al., 2017
Un modelo de red neuronal entrenable de extremo a extremo con seguimiento de creencias para diálogos orientados a tareas Liu Bing et al., 2017
Red de entidades recurrentes de extremo a extremo para aprendizaje de diálogo independiente orientado a objetivos y valor de entidad (CS Wu et al 2017)
Hacia el aprendizaje continuo para agentes conversacionales S Lee 2017
Construyendo un agente conversacional de la noche a la mañana con diálogos de autojuego Pararth Shah et al 2018
Sequicity: simplificación de sistemas de diálogo orientados a tareas con arquitectura de secuencia única a secuencia Wenqiang Lei et al 2018
Mem2Seq: Incorporación eficaz de bases de conocimientos en sistemas de diálogo integrales orientados a tareas Andrea Madotto et al 2018
Modelado de subdominios para la gestión del diálogo con aprendizaje por refuerzo jerárquico Paweł et al., 2017
Transferencia de políticas de diálogo entre dominios mediante acto de habla y alineación de espacios simultáneos Kaixiang Mo et al. 2018
Generación de diálogos de disparo cero con acciones latentes entre dominios Tiancheng Zhao et al 2018
Simulación de usuario basada en agenda para iniciar un sistema de diálogo POMDP Jost Schatzmann 2007
Un simulador de usuario para diálogos de finalización de tareas Xinjun Li et al., 2016
Un modelo secuencia a secuencia para la simulación de usuarios en sistemas de diálogo hablado Layla El Asri 2016
Simulación de usuario neuronal para la optimización de políticas basadas en corpus para sistemas de diálogo hablado Florian L. Kreyssig 2018
Hacia el aprendizaje de un extremo a otro para el seguimiento y la gestión del estado del diálogo mediante el aprendizaje por refuerzo profundo Tiancheng Zhao et al., 2016
Aprendizaje por refuerzo profundo para la generación del diálogo Jiwei Li et al., arXiv , 2016
Aprendizaje adversario para la generación del diálogo neuronal Jiwei Li et al., 2017
Un chatbot de aprendizaje por refuerzo profundo Serban et al 2017
Aprendizaje adversario de extremo a extremo para agentes conversacionales generativos Ludwig, O. 2017.
Gestión del diálogo estratégico a través del aprendizaje por refuerzo profundo Heriberto Cuayáhuitl et al., 2015
Generación de texto con aprendizaje por refuerzo profundo, Hongyu Guo, arXiv , 2015
Aprendizaje por refuerzo profundo con un espacio de acción del lenguaje natural, Ji He et al., arXiv , 2016.
Comprensión del lenguaje para juegos basados en texto mediante el aprendizaje por refuerzo profundo, Karthik Narasimhan arXiv , 2016
Aprendizaje por refuerzo profundo para la generación de diálogo Jiwei Li et al., 2016
Sistemas de diálogo neuronal de extremo a extremo para completar tareas Xiujun Li et al., 2017
Modelado de subdominios para la gestión del diálogo con aprendizaje por refuerzo jerárquico Paweł Budzianowski et al., 2017
Aprendizaje por refuerzo actor-crítico eficiente en muestras con datos supervisados para la gestión del diálogo Pei-Hao Su et al., 2017
Aprendizaje de políticas de diálogo compuesto de finalización de tareas a través del aprendizaje jerárquico por refuerzo profundo Baolin Peng et al., 2017
Deep Dyna-Q: Integración de la planificación para el aprendizaje de políticas de diálogo sobre la finalización de tareas Baolin Peng et al 2018
Política de aprendizaje por refuerzo jerárquico multimodal para diálogos visuales orientados a tareas Jianping Zhang et al 2018
Aprendizaje adversario de modelos de diálogo neuronal orientados a tareas Bing Liu et al 2018.
Un modelo conversacional neuronal Oriol Vinyals et al., arXiv 2015]
Un enfoque de red neuronal para la generación de respuestas conversacionales sensibles al contexto∗ Alessandro Sordoni et al., arXiv 2015]
Redes neuronales recurrentes de resolución múltiple: una aplicación a la generación de respuesta al diálogo Iulian Vlad Serban et al., arXiv 2016s
Un modelo codificador-decodificador de variable latente jerárquica para generar diálogos Iulian Vlad Serban et al., 2016
Aprendizaje por refuerzo en línea secuencia a secuencia para agentes conversacionales de dominio abierto Nabiha Asghar et al., 2016
Reforzar la coherencia del modelo secuencia a secuencia en la generación de diálogos
Generación de respuestas de diálogo de múltiples turnos en un marco de aprendizaje adversario: combinación de GAN con MLE en el objetivo.
Mejora de los codificadores-decodificadores variacionales en el diálogo Generación X Shen et al 2018.
MojiTalk: generación de respuestas emocionales a escala Xianda Zhou et al 2018
Codificador-decodificador ejemplar para la generación de conversaciones neuronales Gaurav Pandey et al 2018
Modelado de contexto acoplado para charlas profundas: hacia conversaciones entre humanos y computadoras (http://www.ruiyan.me/pubs/KDD2018Yan.pdf) Rui Yan et al KDD 2018.
Decodificador autorregresivo variacional para la generación de respuestas neuronales Jiachen Du et al 2018.
Selección de respuesta de vista múltiple para una conversación entre persona y computadora Xiangyang Zhou et al 2016
Red de coincidencia secuencial: una nueva arquitectura para la selección de respuestas de múltiples turnos en chatbots basados en recuperación Yu Wu 2017
Modelado de conversaciones de varios turnos con agregación profunda de expresiones Zhuosheng Zhang et al 2018
Selección de respuesta de múltiples turnos para chatbots con red de coincidencia de atención profunda Xiangyang Zhang et al 2018.
Un modelo de conversación neuronal basado en personas Jiwei Li et al, arXiv , 2016
Señales contextuales conversacionales: el caso de la personalización y la historia para la clasificación de respuestas Rami Al-Rfou et al., 2016
Aumento de los sistemas de diálogo de un extremo a otro con conocimientos de sentido común Tom Young et al., 2017
Tema Modelo de lenguaje neuronal compositivo W Wang et al 2017
Personalización de los Agentes de Diálogo: Tengo un perro, ¿ustedes también tienen mascotas? Zhang, Saizheng y otros, 2018
Algunos de los modelos se evalúan en los corpus de CNN/Daily Mail y Children's Book Test (CBT).
Enseñar máquinas a leer y comprender, Karl Moritz Hermann et al., arXiv , 2015.
Comprensión de textos con Attention Sum Reader Network, Rudolf Kadlec et al., arXiv , 2016.
El principio de Goldlocks: lectura de libros infantiles con representaciones de memoria explícitas, Felix Hill., arXiv , 2016.
Redes de memoria de un extremo a otro, Sainbayar Sukhbaatar et al., arXiv , 2015.
La representación dinámica de entidades con Max-pooling mejora la lectura automática, Sosuke Kobayashi et al., arXiv , 2016.
Lectores de atención cerrada para la comprensión de textos, Bhuwan Dhingra et al., arXiv , 2016.
Atención neuronal alterna iterativa para lectura automática, Alessandro Sordoni et al., arXiv , 2016.
Un enfoque de red neuronal para la generación de respuestas conversacionales sensibles al contexto, Alessandro Sordoni et al, 2015
Redes neuronales de atención sobre atención para la comprensión lectora Yiming Cui et al., arXiv 2016
Red jerárquica de atención recurrente para la generación de respuesta Chen Xing et al., 2017
¿Cómo hacer que el contexto sea más útil? Un estudio empírico sobre modelos conversacionales neuronales conscientes del contexto Zhiliang Tian et al., 2017
Charle más: profundizar y ampliar el tema del chat a través de un modelo profundo Wenjie Wang et al., 2018
Una función objetiva que promueve la diversidad para modelos de conversación neuronal Jiwei Li et al. 2016
Un algoritmo de decodificación simple, rápido y diverso para la generación neuronal Jiwei Li et al., 2016
Destilación de datos para controlar la especificidad en la generación de diálogos Jiwei Li et al., 2017
Generación de respuestas de conversación informativas y de alta calidad con modelos de secuencia a secuencia Louis Shao et al., 2017
Aprendizaje de la diversidad a nivel del discurso para modelos de diálogo neuronal utilizando codificadores automáticos variacionales condicionales Tiancheng Zhao et al., 2017
Modelos de diálogo de variables latentes y su diversidad Cao, Kris et al 2017
DialogWAE: Generación de respuesta multimodal con codificador automático Wasserstein condicional Xiaodong Gu et al 2018
Hacia un modelo de conversación neuronal con red de diversidad utilizando procesos de puntos determinantes Yiping Song et al 2018
Modelos de diálogo de intención latente Tsung-Hsien Wen et al., 2017
Aprendizaje de representación de oraciones discretas no supervisado para la generación de diálogos neuronales interpretables Tiancheng Zhao et al., 2018
Aprender a controlar la especificidad en la generación de respuestas neuronales Ruqing Zhang et al 2018.
