NeuralDialogPapers
1.0.0
关于使用深度网络创建对话系统的论文列表！请随时添加问题或请求缺失的论文。
循环神经网络联合在线口语理解和语言建模，Bing Liu， arXiv ，2016
用于联合意图检测和槽填充的基于注意力的循环神经网络模型，Bing Liu， arXiv ，2016
基于网络的端到端可训练的面向任务的对话系统 Tsung-Hsien Wen 等人，2016
神经对话系统中的条件生成和快照学习 Tsung-Hsien Wen 等人，2016
将非结构化文本知识源纳入神经对话 Ryan Lowe 等人，2016
通过监督和强化学习优化的基于端到端 LSTM 的对话控制，Jason D. Williams 等人，2016
用于信息访问的对话代理的端到端强化学习 Bhuwan Dhingra 等人，2016
自然语言理解与对话的端到端联合学习经理Xuesong Yang等人，2016
混合代码网络：通过监督和强化学习实现实用且高效的端到端对话控制 Jason D. Williams 等人，2017
使用动态知识图嵌入学习对称协作对话代理He He et al., 2017
用于面向任务的对话的键值检索网络 M Eric 等人，2017
交易还是不交易？谈判对话的端到端学习 Mike Lewis 等人，2017
具有聊天功能的面向任务的口语对话系统的生成编码器-解码器模型 天成赵等人，2017
面向任务对话的具有信念跟踪的端到端可训练神经网络模型 Liu Bing et al., 2017
用于实体值独立的面向目标的对话学习的端到端循环实体网络 CS Wu 等人 2017
对话代理的持续学习 S Lee 2017
通过对话自玩一夜之间构建对话代理 Pararth Shah 等人 2018
Sequicity：使用单一序列到序列架构简化面向任务的对话系统 Wenqiang Lei 等人 2018
Mem2Seq：有效地将知识库纳入端到端任务导向的对话系统 Andrea Madotto 等人 2018
使用分层强化学习进行对话管理的子域建模 Paweł 等人，2017
通过同步语音行为和时隙对齐的跨域对话策略传输 Kaiyang Mo 等人。 2018年
具有跨域潜在动作的零镜头对话生成 天成赵等人 2018
用于引导 POMDP 对话系统的基于议程的用户模拟 Jost Schatzmann 2007
用于任务完成对话的用户模拟器 Xinjun Li 等人，2016
口语对话系统中用户模拟的序列到序列模型 Layla El Asri 2016
用于口语对话系统基于语料库的策略优化的神经用户模拟 Florian L. Kreyssig 2018
使用深度强化学习实现对话状态跟踪和管理的端到端学习 天成赵等人，2016
用于对话生成的深度强化学习 Jiwei Li 等人， arXiv ，2016
神经对话生成的对抗性学习 Jiwei Li et al., 2017
深度强化学习聊天机器人 Serban 等人 2017
生成对话代理的端到端对抗性学习 Ludwig, O. 2017。
通过深度强化学习进行战略对话管理 Heriberto Cuayáhuitl 等人，2015
使用深度强化学习生成文本，郭宏宇， arXiv ，2015
自然语言动作空间的深度强化学习，Ji He 等人， arXiv ，2016。
使用深度强化学习进行基于文本的游戏的语言理解，Karthik Narasimhan arXiv ，2016
用于对话生成的深度强化学习 Jiwei Li et al., 2016
端到端任务完成神经对话系统 Xiujun Li 等人，2017
使用分层强化学习进行对话管理的子域建模 Paweł Budzianowski 等人，2017
用于对话管理的样本高效演员-评论家强化学习和监督数据 Pei-Hao Su 等人，2017
通过分层深度强化学习进行复合任务完成对话策略学习 Baolin Peng 等人，2017
Deep Dyna-Q：任务完成对话政策学习的整合规划 Baolin Peng 等人 2018
面向任务的视觉对话的多模态分层强化学习策略Jianping Zhang et al 2018
面向任务的神经对话模型的对抗性学习 Bing Liu 等人 2018。
神经对话模型 Oriol Vinyals 等人， arXiv 2015]
上下文敏感生成对话响应的神经网络方法* Alessandro Sordoni 等人， arXiv 2015]
多分辨率递归神经网络：对话响应生成的应用 Iulian Vlad Serban 等人， arXiv 2016s
用于生成对话的分层潜变量编码器-解码器模型 Iulian Vlad Serban 等人，2016
开放域会话代理的在线序列到序列强化学习 Nabiha Asghar 等人，2016
增强对话生成中序列到序列模型的一致性
对抗性学习框架中的多轮对话响应生成 - 在目标中将 GAN 与 MLE 相结合。
改进对话生成 X 中的变分编码器-解码器 Shen 等人 2018。
MojiTalk：大规模生成情绪反应 Xianda Zhou 等人 2018
用于神经对话生成的示例编码器-解码器 Gaurav Pandey 等人 2018
深度闲聊的耦合上下文建模：人机对话(http://www.ruiyan.me/pubs/KDD2018Yan.pdf) Rui Yan 等人 KDD 2018。
用于生成神经响应的变分自回归解码器 Jiachen Du 等人 2018。
人机对话的多视图响应选择 周向阳等人 2016
顺序匹配网络：基于检索的聊天机器人中多轮响应选择的新架构 Yu Wu 2017
利用深度话语聚合对多轮对话建模 Zhuosheng Zhang 等人 2018
具有深度注意力匹配网络的聊天机器人的多轮响应选择向阳张等人 2018。
基于角色的神经对话模型 Jiwei Li 等人， arXiv ，2016
会话上下文提示：响应排名的个性化和历史案例 Rami Al-Rfou 等人，2016
用常识知识增强端到端对话系统 Tom Young 等人，2017
主题组合神经语言模型 W Wang 等人 2017
个性化对话代理：我有一只狗，你也有宠物吗？张赛正等，2018
其中一些模型在 CNN/每日邮报和儿童图书测试 (CBT) 语料库中进行了评估。
《教机器阅读和理解》，Karl Moritz Hermann 等人， arXiv ，2015 年。
使用注意力和阅读器网络进行文本理解，Rudolf Kadlec 等人， arXiv ，2016。
《金锁原理：用显式记忆表征阅读儿童读物》，Felix Hill.， arXiv ，2016。
端到端内存网络，Sainbayar Sukhbaatar 等人， arXiv ，2015。
使用最大池化的动态实体表示改进了机器阅读，Sosuke Kobayashi 等人， arXiv ，2016。
用于文本理解的门控注意力阅读器，Bhuwan Dhingra 等人， arXiv ，2016。
用于机器阅读的迭代交替神经注意力，Alessandro Sordoni 等人， arXiv ，2016。
用于上下文敏感生成对话响应的神经网络方法，Alessandro Sordoni 等人，2015 年
用于阅读理解的注意力过度注意力神经网络 Yiming Cui 等人， arXiv 2016
用于生成响应的分层循环注意网络 Chen Xing et al., 2017
如何让上下文更有用？上下文感知神经会话模型的实证研究 Ziliang Tian et al., 2017
聊天更多：通过深度模型加深和拓宽聊天主题 Wenjie Wang 等人，2018
神经对话模型的多样性促进目标函数 Jiwei Li 等人。 2016年
一种简单、快速的神经生成多样化解码算法 Jiwei Li et al., 2016
用于控制对话生成特异性的数据蒸馏 Jiwei Li et al., 2017
使用序列到序列模型生成高质量且信息丰富的对话响应 Louis Shao 等人，2017
使用条件变分自编码器学习神经对话模型的话语层面多样性 Tian Cheng Zhu 等人，2017
潜变量对话模型及其多样性 Cao, Kris et al 2017
DialogWAE：使用条件 Wasserstein 自动编码器生成多模态响应 Xiaodong Gu 等人 2018
使用行列式点过程建立具有多样性网络的神经对话模型 Yiping Song 等人 2018
潜在意图对话模型 Tsung-Hsien Wen 等人，2017
用于可解释神经对话生成的无监督离散句子表示学习 天成赵等人，2018
学习控制神经反应生成的特异性 Ruqing Zhang et al 2018。
