short text conversation: neural network
A Neural Conversational Model, Google, 2015 主要是利用了seq2seq的結構（如下圖所示），並且在固定領域IT和開放領域數據庫上進行了測試，最終人工進行了評測，得到不錯的結果。 seq2seq的方式不能進行多輪的對話，即不能保證對話前後的一致性，是該模型的限制。但是現在STC中幾大待解決的問題包括： IT 句子最大長度：400 words trainin
相關文章
- 1. short text conversation: retrieval
- 2. An Information Retrieval Approach to Short Text Conversation
- 3. A Dataset for Research on Short-Text Conversation
- 4. BUPTTeam Participation in NTCIR-12 Short Text Conversation Task
- 5. [dialog system] 閱讀筆記 - 2015__Neural Responding Machine for Short-Text Conversation
- 6. (zhuan) Recurrent Neural Network
- 7. short text model
- 8. A C-LSTM Neural Network for Text Classification
- 9. A Knowledge-Grounded Neural Conversation Model
- 10. 短文對話的神經反應機 -- Neural Responding Machine for Short-Text Conversation學習筆記
- 更多相關文章...
- • SVG
- SVG 教程 - • ASP.NET Text 屬性 - ASP.NET 教程
- • Kotlin學習（二）基本類型
- • Flink 數據傳輸及反壓詳解
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. short text conversation: retrieval
- 2. An Information Retrieval Approach to Short Text Conversation
- 3. A Dataset for Research on Short-Text Conversation
- 4. BUPTTeam Participation in NTCIR-12 Short Text Conversation Task
- 5. [dialog system] 閱讀筆記 - 2015__Neural Responding Machine for Short-Text Conversation
- 6. (zhuan) Recurrent Neural Network
- 7. short text model
- 8. A C-LSTM Neural Network for Text Classification
- 9. A Knowledge-Grounded Neural Conversation Model
- 10. 短文對話的神經反應機 -- Neural Responding Machine for Short-Text Conversation學習筆記