NeuralDialogPapers
1.0.0
關於使用深度網路創建對話系統的論文列表！請隨時添加問題或請求缺失的論文。
循環神經網路聯合線上口語理解和語言建模，Bing Liu， arXiv ，2016
用於聯合意圖檢測和槽填充的基於注意力的循環神經網路模型，Bing Liu， arXiv ，2016
基於網路的端到端可訓練的面向任務的對話系統 Tsung-Hsien Wen 等人，2016
神經對話系統中的條件生成和快照學習 Tsung-Hsien Wen 等人，2016
將非結構化文字知識源納入神經對話 Ryan Lowe 等人，2016
透過監督和強化學習優化的基於端到端 LSTM 的對話控制，Jason D. Williams 等人，2016
用於資訊存取的對話代理的端到端強化學習 Bhuwan Dhingra 等人，2016
自然語言理解與對話的端到端聯合學習經理Xuesong Yang等人，2016
混合代碼網路：透過監督和強化學習實現實用且高效的端到端對話控制 Jason D. Williams 等人，2017
使用動態知識圖嵌入學習對稱協作對話代理He He et al., 2017
用於任務導向的對話的鍵值檢索網路 M Eric 等人，2017
交易還是不交易？談判對話的端到端學習 Mike Lewis 等人，2017
具有聊天功能的以任務為導向的口語對話系統的生成編碼器-解碼器模型 天成趙等人，2017
面向任務對話的具有信念追蹤的端到端可訓練神經網路模型 Liu Bing et al., 2017
用於實體值獨立的目標導向的對話學習的端對端循環實體網路 CS Wu 等人 2017
對話代理的持續學習 S Lee 2017
透過對話自玩一夜之間建構對話代理人 Pararth Shah 等人 2018
Sequicity：使用單一序列到序列架構簡化任務導向的對話系統 Wenqiang Lei 等人 2018
Mem2Seq：有效地將知識庫納入端到端任務導向的對話系統 Andrea Madotto 等人 2018
使用分層強化學習進行對話管理的子域建模 Paweł 等人，2017
透過同步語音行為和時隙對齊的跨域對話策略傳輸 Kaiyang Mo 等人。 2018年
具有跨域潛在動作的零鏡頭對話生成 天成趙等人 2018
用於引導 POMDP 對話系統的基於議程的使用者模擬 Jost Schatzmann 2007
用於任務完成對話的使用者模擬器 Xinjun Li 等人，2016
口語對話系統中使用者模擬的序列到序列模型 Layla El Asri 2016
用於口語對話系統基於語料庫的策略最佳化的神經使用者模擬 Florian L. Kreyssig 2018
使用深度強化學習實現對話狀態追蹤和管理的端到端學習 天成趙等人，2016
用於對話生成的深度強化學習 Jiwei Li 等人， arXiv ，2016
神經對話生成的對抗性學習 Jiwei Li et al., 2017
深度強化學習聊天機器人 Serban 等人 2017
生成對話代理的端對端對抗性學習 Ludwig, O. 2017。
透過深度強化學習進行策略對話管理 Heriberto Cuayáhuitl 等人，2015
使用深度強化學習生成文本，郭宏宇， arXiv ，2015
自然語言動作空間的深度強化學習，Ji He 等人， arXiv ，2016。
使用深度強化學習進行基於文本的遊戲的語言理解，Karthik Narasimhan arXiv ，2016
用於對話生成的深度強化學習 Jiwei Li et al., 2016
端到端任務完成神經對話系統 Xiujun Li 等人，2017
使用分層強化學習進行對話管理的子域建模 Paweł Budzianowski 等人，2017
用於對話管理的樣本高效能演員-評論家強化學習和監督數據 Pei-Hao Su 等人，2017
透過分層深度強化學習進行複合任務完成對話策略學習 Baolin Peng 等人，2017
Deep Dyna-Q：任務完成對話政策學習的整合規劃 Baolin Peng 等人 2018
面向任務的視覺對話的多模態分層強化學習策略Jianping Zhang et al 2018
任務導向的神經對話模型的對抗性學習 Bing Liu 等人 2018。
神經對話模型 Oriol Vinyals 等人， arXiv 2015]
上下文敏感產生對話回應的神經網路方法* Alessandro Sordoni 等人， arXiv 2015]
多重解析度遞歸神經網路：對話回應產生的應用 Iulian Vlad Serban 等人， arXiv 2016s
用於產生對話的分層潛在變數編碼器-解碼器模型 Iulian Vlad Serban 等人，2016
開放域會話代理的線上序列到序列強化學習 Nabiha Asghar 等人，2016
增強對話生成中序列到序列模型的一致性
對抗性學習框架中的多輪對話回應產生 - 在目標中將 GAN 與 MLE 結合。
改進對話產生 X 中的變分編碼器-解碼器 Shen 等人 2018。
MojiTalk：大規模生成情緒反應 Xianda Zhou 等人 2018
用於神經對話生成的範例編碼器-解碼器 Gaurav Pandey 等人 2018
深度閒聊的耦合上下文建模：人機對話(http://www.ruiyan.me/pubs/KDD2018Yan.pdf) Rui Yan 等人 KDD 2018。
用於產生神經反應的變分自回歸解碼器 Jiachen Du 等人 2018。
人機對話的多視圖反應選擇 周向陽等人 2016
順序匹配網路：基於檢索的聊天機器人中多輪響應選擇的新架構 Yu Wu 2017
利用深度話語聚合對多輪對話建模 Zhuosheng Zhang 等人 2018
具有深度注意力匹配網路的聊天機器人的多輪響應選擇向陽張等人 2018。
基於角色的神經對話模型 Jiwei Li 等人， arXiv ，2016
會話情境提示：回應排名的個人化和歷史案例 Rami Al-Rfou 等人，2016
用常識知識增強端對端對話系統 Tom Young 等人，2017
主題組合神經語言模型 W Wang 等人 2017
個人化對話代理人：我有一隻狗，你也有寵物嗎？張賽正等，2018
其中一些模型在 CNN/每日郵報和兒童圖書測驗 (CBT) 語料庫中進行了評估。
《教機器閱讀與理解》，Karl Moritz Hermann 等人， arXiv ，2015 年。
使用注意力和閱讀器網絡進行文本理解，Rudolf Kadlec 等人， arXiv ，2016。
《金鎖原理：用顯式記憶表徵閱讀兒童讀物》，Felix Hill.， arXiv ，2016。
端對端記憶體網絡，Sainbayar Sukhbaatar 等人， arXiv ，2015。
使用最大池化的動態實體表示改進了機器閱讀，Sosuke Kobayashi 等人， arXiv ，2016。
用於文本理解的門控注意力閱讀器，Bhuwan Dhingra 等人， arXiv ，2016。
用於機器閱讀的迭代交替神經注意力，Alessandro Sordoni 等人， arXiv ，2016。
用於上下文敏感生成對話回應的神經網路方法，Alessandro Sordoni 等人，2015 年
用於閱讀理解的注意力過度注意力神經網路 Yiming Cui 等人， arXiv 2016
用於產生回應的分層循環注意網路 Chen Xing et al., 2017
如何讓上下文更有用？上下文感知神經會話模型的實證研究 Ziliang Tian et al., 2017
聊天更多：透過深度模型加深和拓寬聊天主題 Wenjie Wang 等人，2018
神經對話模型的多樣性促進目標函數 Jiwei Li 等人。 2016年
一種簡單、快速的神經生成多樣化解碼演算法 Jiwei Li et al., 2016
用於控制對話生成特異性的數據蒸餾 Jiwei Li et al., 2017
使用序列到序列模型產生高品質且資訊豐富的對話回應 Louis Shao 等人，2017
使用條件變分自編碼器學習神經對話模型的話語層面多樣性 Tian Cheng Zhu 等人，2017
潛變量對話模型及其多樣性 Cao, Kris et al 2017
DialogWAE：使用條件 Wasserstein 自動編碼器產生多模態回應 Xiaodong Gu 等人 2018
使用行列式點過程建立具有多樣性網路的神經對話模型 Yiping Song 等人 2018
潛在意圖對話模式 Tsung-Hsien Wen 等人，2017
用於可解釋神經對話生成的無監督離散句子表示學習 天成趙等人，2018
學習控制神經反應生成的特異性 Ruqing Zhang et al 2018。
