NeuralDialogPapers
1.0.0
Une liste d'articles sur la création de systèmes de dialogue à l'aide de réseaux profonds ! N'hésitez pas à ajouter un problème ou une pull request pour les documents manquants .
Compréhension conjointe du langage parlé en ligne et modélisation du langage avec des réseaux de neurones récurrents, Bing Liu, arXiv , 2016
Modèles de réseaux neuronaux récurrents basés sur l'attention pour la détection d'intentions conjointes et le remplissage des emplacements, Bing Liu, arXiv , 2016
Un système de dialogue axé sur les tâches et formable de bout en bout basé sur un réseau Tsung-Hsien Wen et al, 2016
Génération conditionnelle et apprentissage instantané dans les systèmes de dialogue neuronal Tsung-Hsien Wen et al, 2016
Incorporer des sources de connaissances textuelles non structurées dans le dialogue neuronal Ryan Lowe et al., 2016
Contrôle de dialogue de bout en bout basé sur LSTM optimisé avec un apprentissage supervisé et par renforcement, Jason D. Williams et al., 2016
Apprentissage par renforcement de bout en bout des agents de dialogue pour l'accès à l'information Bhuwan Dhingra et al., 2016
Apprentissage conjoint de bout en bout de la compréhension du langage naturel et du gestionnaire de dialogue Xuesong Yang et al., 2016
Réseaux de codes hybrides : contrôle de dialogue de bout en bout pratique et efficace avec apprentissage supervisé et par renforcement Jason D. Williams et al., 2017
Apprentissage d'agents de dialogue collaboratif symétrique avec intégration dynamique de graphes de connaissances He He et al., 2017
Réseaux de récupération de valeurs clés pour un dialogue axé sur les tâches M Eric et al., 2017
Accord ou pas d’accord ? Apprentissage de bout en bout pour les dialogues de négociation Mike Lewis et al., 2017
Modèles d'encodeur-décodeur génératifs pour les systèmes de dialogue parlé orientés tâches avec capacité de discussion Tiancheng Zhao et al., 2017
Un modèle de réseau neuronal entraînable de bout en bout avec suivi des croyances pour un dialogue orienté tâche Liu Bing et al., 2017
Réseau d'entités récurrentes de bout en bout pour l'apprentissage par dialogue indépendant axé sur les objectifs et la valeur de l'entité (CS Wu et al 2017)
Vers un apprentissage continu pour les agents conversationnels S Lee 2017
Construire un agent conversationnel du jour au lendemain avec le dialogue Self-Play Pararth Shah et al 2018
Sequicity : simplifier les systèmes de dialogue orientés tâches avec une architecture séquence à séquence unique Wenqiang Lei et al 2018
Mem2Seq : Intégrer efficacement les bases de connaissances dans les systèmes de dialogue orientés tâches de bout en bout Andrea Madotto et al 2018
Modélisation de sous-domaines pour la gestion du dialogue avec apprentissage par renforcement hiérarchique Paweł et al., 2017
Transfert de politiques de dialogue inter-domaines via un acte de parole simultané et un alignement de créneaux Kaixiang Mo et al. 2018
Génération de dialogues Zero-Shot avec actions latentes inter-domaines Tiancheng Zhao et al 2018
Simulation utilisateur basée sur l'agenda pour amorcer un système de dialogue POMDP Jost Schatzmann 2007
Un simulateur utilisateur pour les dialogues d'accomplissement de tâches Xinjun Li et al., 2016
Un modèle séquence à séquence pour la simulation d'utilisateurs dans les systèmes de dialogue parlé Layla El Asri 2016
Simulation d'utilisateurs neuronaux pour l'optimisation de politiques basées sur des corpus pour les systèmes de dialogue parlé Florian L. Kreyssig 2018
Vers un apprentissage de bout en bout pour le suivi et la gestion de l'état des dialogues à l'aide de l'apprentissage par renforcement profond Tiancheng Zhao et al., 2016
Apprentissage par renforcement profond pour la génération de dialogue Jiwei Li et al., arXiv , 2016
Apprentissage contradictoire pour la génération de dialogue neuronal Jiwei Li et al., 2017
Un chatbot d'apprentissage par renforcement profond Serban et al 2017
Apprentissage contradictoire de bout en bout pour les agents conversationnels génératifs Ludwig, O. 2017.
Gestion du dialogue stratégique via l'apprentissage par renforcement profond Heriberto Cuayáhuitl et al., 2015
Générer du texte avec un apprentissage par renforcement profond, Hongyu Guo, arXiv , 2015
Apprentissage par renforcement profond avec un espace d'action en langage naturel, Ji He et al., arXiv , 2016.
Compréhension du langage pour les jeux textuels utilisant l'apprentissage par renforcement profond, Karthik Narasimhan arXiv , 2016
Apprentissage par renforcement profond pour la génération du dialogue Jiwei Li et al., 2016
Systèmes de dialogue neuronal d'exécution de tâches de bout en bout Xiujun Li et al., 2017
Modélisation de sous-domaines pour la gestion du dialogue avec apprentissage par renforcement hiérarchique Paweł Budzianowski et al., 2017
Apprentissage par renforcement acteur-critique efficace avec des données supervisées pour la gestion du dialogue Pei-Hao Su et al., 2017
Apprentissage politique du dialogue composite sur l'achèvement des tâches via l'apprentissage hiérarchique par renforcement profond Baolin Peng et al., 2017
Deep Dyna-Q : Intégration de la planification pour l'apprentissage des politiques de dialogue sur l'achèvement des tâches Baolin Peng et al 2018
Politique d'apprentissage par renforcement hiérarchique multimodal pour le dialogue visuel orienté tâche Jianping Zhang et al 2018
Apprentissage contradictoire de modèles de dialogue neuronal orientés tâches Bing Liu et al 2018.
Un modèle conversationnel neuronal Oriol Vinyals et al., arXiv 2015]
Une approche de réseau neuronal pour la génération contextuelle de réponses conversationnelles∗ Alessandro Sordoni et al., arXiv 2015]
Réseaux de neurones récurrents multirésolution : une application à la génération de réponses au dialogue Iulian Vlad Serban et al., arXiv 2016s
Un modèle d'encodeur-décodeur de variables latentes hiérarchiques pour générer des dialogues Iulian Vlad Serban et al., 2016
Apprentissage par renforcement séquence à séquence en ligne pour les agents conversationnels en domaine ouvert Nabiha Asghar et al., 2016
Renforcer la cohérence du modèle séquence à séquence dans la génération de dialogues
Génération de réponses de dialogue à plusieurs tours dans un cadre d'apprentissage contradictoire - Combiner GAN avec MLE dans l'objectif.
Amélioration des codeurs-décodeurs variationnels dans la génération de dialogue X Shen et al 2018.
MojiTalk : générer des réponses émotionnelles à grande échelle Xianda Zhou et al 2018
Exemple d'encodeur-décodeur pour la génération de conversations neuronales Gaurav Pandey et al 2018
Modélisation de contexte couplé pour des discussions approfondies : vers des conversations entre l'homme et l'ordinateur (http://www.ruiyan.me/pubs/KDD2018Yan.pdf) Rui Yan et al KDD 2018.
Décodeur autorégressif variationnel pour la génération de réponses neuronales Jiachen Du et al 2018.
Sélection de réponses multi-vues pour la conversation homme-machine Xiangyang Zhou et al 2016
Réseau de correspondance séquentielle : une nouvelle architecture pour la sélection de réponses multi-tours dans les chatbots basés sur la récupération Yu Wu 2017
Modélisation d'une conversation à plusieurs tours avec une agrégation profonde d'énoncés Zhuosheng Zhang et al 2018
Sélection de réponses à plusieurs tours pour les chatbots avec un réseau de correspondance d'attention approfondie Xiangyang Zhang et al 2018.
Un modèle de conversation neuronale basé sur la personnalité Jiwei Li et al, arXiv , 2016
Indices contextuels conversationnels : le cas de la personnalisation et de l'historique pour le classement des réponses Rami Al-Rfou et al., 2016
Augmenter les systèmes de dialogue de bout en bout avec des connaissances de bon sens Tom Young et al., 2017
Sujet Modèle de langage neuronal compositionnel W Wang et al 2017
Personnaliser les agents de dialogue : J'ai un chien, avez-vous aussi des animaux de compagnie ? Zhang, Saizheng et coll., 2018
Certains modèles sont évalués dans les corpus CNN/Daily Mail et Children's Book Test (CBT).
Enseigner aux machines à lire et à comprendre, Karl Moritz Hermann et al., arXiv , 2015.
Compréhension de texte avec le réseau de lecteurs Attention Sum, Rudolf Kadlec et al., arXiv , 2016.
Le principe Goldlocks : lire des livres pour enfants avec des représentations mnésiques explicites, Felix Hill., arXiv , 2016.
Réseaux de mémoire de bout en bout, Sainbayar Sukhbaatar et al., arXiv , 2015.
La représentation dynamique des entités avec Max-pooling améliore la lecture automatique, Sosuke Kobayashi et al., arXiv , 2016.
Lecteurs à attention fermée pour la compréhension de texte, Bhuwan Dhingra et al., arXiv , 2016.
Attention neuronale alternée itérative pour la lecture automatique, Alessandro Sordoni et al., arXiv , 2016.
Une approche de réseau neuronal pour la génération contextuelle de réponses conversationnelles, Alessandro Sordoni et al, 2015
Réseaux de neurones attention sur attention pour la compréhension en lecture Yiming Cui et al., arXiv 2016
Réseau d'attention récurrente hiérarchique pour la génération de réponses Chen Xing et al., 2017
Comment rendre le contexte plus utile ? Une étude empirique sur les modèles conversationnels neuronaux contextuels Zhiliang Tian et al., 2017
Discutez davantage : approfondissez et élargissez le sujet de discussion via un modèle approfondi Wenjie Wang et al., 2018
Une fonction objective favorisant la diversité pour les modèles de conversation neuronale Jiwei Li et al. 2016
Un algorithme de décodage simple et rapide pour la génération neuronale Jiwei Li et al., 2016
Distillation de données pour contrôler la spécificité dans la génération de dialogue Jiwei Li et al., 2017
Générer des réponses de conversation informatives et de haute qualité avec des modèles séquence à séquence Louis Shao et al., 2017
Apprentissage de la diversité au niveau du discours pour les modèles de dialogue neuronal à l'aide d'auto-encodeurs variationnels conditionnels Tiancheng Zhao et al., 2017
Modèles de dialogue à variables latentes et leur diversité Cao, Kris et al 2017
DialogWAE : Génération de réponses multimodales avec l'auto-encodeur conditionnel Wasserstein Xiaodong Gu et al 2018
Vers un modèle de conversation neuronale avec Diversity Net utilisant des processus ponctuels déterminants Yiping Song et al 2018
Modèles de dialogue d’intention latente Tsung-Hsien Wen et al., 2017
Apprentissage non supervisé de la représentation de phrases discrètes pour la génération de dialogues neuronaux interprétables Tiancheng Zhao et al., 2018
Apprendre à contrôler la spécificité de la génération de réponses neuronales Ruqing Zhang et al 2018.
