超级会员免费看
CopyNet是为解决序列到序列任务中保留原始信息的问题而提出的，尤其适用于处理实体名称或特定术语。它在解码器部分引入了生成模式和复制模式的概率建模，以及位置特定的隐藏状态计算，以更好地识别和复制输入序列中的关键信息。这种方法允许模型生成不在词汇表中的OOV词，从而提高序列生成任务的性能。
CopyNet
随着 ACL 2017 accepted paper list 的公布，可以看到一些经典的工作仍然在被各种应用和改进。其中不仅有引用量已经飙过 1000 的 attention mechanism，同时还有非常简单还用的 Pointer Network 和 CopyNet。
基于 Pointer Network 和 CopyNet 的一些重要和新鲜工作。：
[1] Jiatao Gu, Zhengdong Lu, Hang Li, et al. “Incorporating Copying Mechanism in Sequence-to-Sequence Learning”. ACL 2016.
[2] Caglar Gulcehre, Sungjin Ahn, Ramesh Nallapati et al. “Pointing the Unknown Words”. ACL 2016.
[3] Ziqiang Cao, Wenjie Li, Chuwei Luo and Sujian Li. “Joint Copying and Restricted Generation for Paraphrase”. AAAI 2017.
[4] Shizhu He, Kang Liu and Jun Zhao. “Generating Natural Answer by Incorporating Copying and Retrieving Mechanisms in Sequence-to-Sequence Learning”. ACL 2017.
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
