本文介绍Google团队2016年在KDD会议上发表的关于Gmail自动回复功能的论文。该功能为用户提供三个自动回复建议，应对个性化、多样性和处理能力等挑战。通过半监督聚类和LSTM生成回复，使用Trie树优化搜索效率，并确保用户隐私。
本文是google团队在2016年kdd上发表的一篇论文，
是对gmail中应用的自动回复功能框架进行了介绍，应用的环境就是在gmail中来了一封邮件，系统会自动推荐3个回复语句供用户选择，来方便回复。
下面是整个框架的流程图：
面临的挑战：1，个性化推荐2，多样化推荐3，处理能力强4，保护用户隐私
对于挑战1， 2
1）加了一项惩罚项使得一些过于简单的，回答的开头类似的response被剔除掉
2）增加不同语义的句子，增加可选多样性；根据语义进行聚类，从不同的类别中选，不过区别于传统的无监督聚类，这里采用半监督聚类的方法，因为对样scale的语料库进行无监督聚类不现实：具体的方式如，首先人为的设置100个类别，每个类别有最常用的几个句子，每个句子有代表性的几个feature，句子和feature构成了一张graph，然后来了一个句子，采用pander算法，对其标类即可。
在生成最后的response set的时候，假设set=3，按照不同intent（cluster）取3个，如果这3个都属于positive的回复，则去掉最后一个positive的回复，换上negative的回复。（文中说再跑一边lstm，来寻找negative的，因为往往negative的回复的score比较低）
对于挑战3
如果不做任何处理，对于一个邮件，要生成回复邮件，需要对语料库的所有句子打分，生成最高的前k个，对于email这个环境而言不可取，
因此，作者将语料库的句子组合成一个trie树，深度为10~30，每次遍历，只
最低0.47元/天 解锁文章
扫一扫
876
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
