Скачать lic2019 competition - Скачать исходный код lic2019 competition

lic2019 competition

AI Исходный код

1.0.0

Скачать

1. Формализация задач

Цель этого трека — настроить активные задачи чата на основе графиков знаний. Диалог, основанный на знаниях - адрес официального сайта

входить:

Цель разговора g, где g=START->TOPIC_A->TOPIC_B означает, что машина активно общается из состояния холодного запуска с темой A, а затем с темой B; Это означает, что в этой задаче машина активно направляет разговор, в конкретные темы входят фильмы и развлекательные персонажи;

Информация о связанных знаниях M, где M=f1, f2,...,fn, включает в себя три категории, а именно: информацию о знаниях по теме A, информацию о знаниях по теме B и связанную информацию по теме A и теме B. В этой задаче конкретная соответствующая информация о знаниях включает кассовые сборы фильма, режиссера и оценку и т. д., выраженную в форме SPO. То есть (Субъект, Предикат, Объект), то есть (сущность один, предикат, сущность два).

Текущая последовательность диалогов H=u1,u2,...u(t-1)

Выход:

Машина отвечает: «Ут».

2. Введение данных (см. официальный сайт)

3. Метод оценки

Сочетание индикаторов автоматической оценки и индикаторов ручной оценки. Индекс автоматической оценки учитывает три уровня измерения, а именно уровень символов (оценка F1), уровень слов (BLEU) и разнообразие ответов (DISTINCT). Что касается разнообразия ответов, то он по-прежнему основан на подсчете слов, но исследует другое измерение сгенерированных слов. В ссылке 2 автор пишет:

различные униграммы и биграммы разделены на общее количество сгенерированных слов соответственно.

4. Общий процесс

Ссылаясь на руководство, официально предоставленное PyTorch (см. ссылку 4), способ решения проблемы с точки зрения seq2seq состоит в том, чтобы разделить несколько раундов диалога на параллельные предложения. Например, текущая последовательность диалогов H=u1,u2,...u(t-1) может быть разбита на t-2 группы выборок, а именно: u1->u2;u2->u3;...; u (t-2)->u(t-1); Однако у этого метода деления есть очевидная проблема: гладкость между предложениями. Это должен быть вопрос, но я глубоко об этом не задумывался.

5. Реализация идеи

В настоящее время учебный код официального чат-бота PyTorch был реорганизован, каждый модуль отделен и обнаружена ошибка. На этой основе подготовьтесь к реализации базового плана, адреса кода

За идеями реализации мы в основном обращаемся к статье «Модель нейронного диалога, основанной на знаниях», которая включает в себя две основные части:

Первое: как встроить в модель информацию графа знаний;

Второе: реализация механизма памяти;

Пополнить:

Раздел 3.2 статьи IJCAI16 «Нейронно-генеративный ответ на вопросы» предлагает два метода взаимодействия между входными данными и KG:

Первое: Билинейная модель

Второе: модель сопоставления на основе CNN.

обратитесь к:

0.www2018,《DKN: Сеть глубоких знаний для рекомендаций новостей》

1. 6-я Национальная конференция по обработке социальных сетей-SMP2017. Оценка технологий китайского диалога между человеком и компьютером (ECDT).

Содержит две задачи: классификацию области намерений пользователя и онлайн-оценку диалога человека и компьютера на основе конкретных задач.

2.《Целевая функция, способствующая разнообразию для моделей нейронных диалогов》

3.《Модель нейронного диалога на основе личности》