【每周NLP论文推荐】 聊天机器人中FAQ相关的论文推荐

自然语言处理(Natural Language Processing,NLP)解密 使计算机能够理解人类语言:阅读、解析和理解文本数据。使计算机能够生成人类语言:撰写、生成自然语言文本。自然语言处理(NLP)中的自动摘要是一项挑战,因为它需要理解文本的含义并提取关键信息。以下是一个简单的自动摘要示例,使用Python的Gensim库来实现。首先,你需要安装Gensim和必要的依赖项。# 定义文本text = """NLP自动摘要是一个将长文本转换为简洁摘要的过程。在自然语言处理领域,这是一个具有挑战性的任务,因为它需要理解文本的含义并提取关键信息。 阅读详情

欢迎来到《每周NLP论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。

今天推荐FAQ相关的论文,FAQ是聊天机器人的一种,它主要是基于用户的question,匹配相应的答案,返回给用户answer,没有太多的多轮交互。FAQ有较多的应用,如天猫精灵,小度等。

作者&编辑 | 小Dream哥

1 The Ubuntu Dialogue Corpus

第一篇论文给出一个较早的问答对匹配模型,基于RNN分别对Question和候选Answer进行特征提取,再通过矩阵运算计算相关度。

本篇论文还介绍了The Ubuntu Dialogue Corpus数据集,可以用于FAQ的研究。

文章引用量:100+

推荐指数:✦✦✦✦✦

640?wx_fmt=png

[1] Lowe R , Pow N , Serban I , et al. The Ubuntu Dialogue Corpus: A Large Dataset for Research in Unstructured Multi-Turn Dialogue Systems[J]. Computer Science, 2015.

2 基于LSTM和CNN的匹配模型

随着NLP的发展,LSTM和CNN开始引入,作为特征提取层。如下图所示,特征提取之后,再计算相似度。

因为BERT是趋势,这里介绍一篇基于BERT的FQA论文。

文章引用量:80+

推荐指数:✦✦✦✦✧

640?wx_fmt=png

640?wx_fmt=png

[2] Tan M , Santos C D , Xiang B , et al. LSTM-based Deep Learning Models for Non-factoid Answer Selection[J]. Computer Science, 2015.

[3] Yan R , Song Y , Wu H . Learning to Respond with Deep Neural Networks for Retrieval-Based Human-Computer Conversation System[C]// the 39th International ACM SIGIR conference. ACM, 2016.

3 结合context的multi-view模型

随着FAQ的发展,开始考虑用户上下文来匹配答案。考虑语境,能够更为精准的找到答案。

文章引用量:较少

推荐指数:✦✦✦✦✦

640?wx_fmt=png

[4] Xiangyang Zhou , Daxiang Dong, et al . Multi-view Response Selection for Human-Computer Conversation. Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing.

[5] Yu Wu , Wei Wu, et al . Sequential Matching Network: A New Architecture for Multi-turn Response Selection in Retrieval-Based Chatbots. Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics.2017.

4 一个应用BERT的例子

因为BERT是趋势,这里介绍一篇基于BERT的FAQ论文。如下图所示,基本的模式类似,只是在特征提取时,用了BERT,具体细节,感兴趣的同学可以看论文。

文章引用量:较少

推荐指数:✦✦✦✦✧

640?wx_fmt=png

[6] Wataru Sakata , Tomohide Shibata , Ribeka Tanaka , et al. FAQ Retrieval using Query-Question Similarity and BERT-Based Query-Answer Relevance. arXiv:1905.02851v1.

5 如何获取文章与交流

找到有三AI开源项目即可获取。

https://github.com/longpeng2008/yousan.ai

640?wx_fmt=png

文章细节众多,阅读交流在有三AI-NLP知识星球中进行,感兴趣可以加入。

640?wx_fmt=png

总结

以上就是NLP中聊天机器人中一些比较代表性的文章,下一期我们将具体介绍生成式机器人的文章。

有三AI夏季划

640?wx_fmt=png

有三AI夏季划进行中,欢迎了解并加入,系统性成长为中级CV算法工程师。

转载文章请后台联系

侵权必究

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

往期精选

自然语言处理(NLP)概述 自然语言处理是一个充满挑战和机遇的领域,通过计算机与人类语言的互动,实现更自然和高效的人机交互。NLP技术广泛应用于语音助手、聊天机器人、内容推荐等领域。随着技术的不断发展,NLP将在更多领域发挥重要作用。 阅读详情

相关推荐

自然语言处理NLP小结

自然语言处理 (Natural Language Processing, NLP) 是人工智能 (AI) 最热门的领域之一,也被称为人工智能皇冠上的明珠。这要归功于诸如撰写连贯文章的文本生成器、聊天机器人以及产生照片级真实感的文本到图像程序等应用程序。近年来,计算机理解人类语言、编程语言,甚至类似于语言的生物和化学序列(例如 DNA 和蛋白质结构)的能力发生了革命。最新的人工智能模型正在解锁这些领域,以分析输入文本的含义并生成有意义的、富有表现力的输出。

weixin_42329812的博客 1243

NLP中的对话机器人——问答机器人的应用场景

本文是FAQ问答机器人的代码实战,注释完整,值得一读。

日积月累,天道酬勤 2932

最新最全nlp中文问答语料对

2018最新最全nlp中文问答语料对,包括常规问答,笑话等

NLP教程笔记:NLP模型的多种应用

NLP教程 TF_IDF 词向量 句向量 Seq2Seq 语言生成模型 CNN的语言模型 语言模型的注意力 Transformer 将注意力发挥到极致 ELMo 一词多义 GPT 单向语言模型 BERT 双向语言模型 NLP模型的多种应用 目录NLP教程分类情感分析搜索公开搜索私密搜索问答知识图谱任务型机器人FAQ聊天生成翻译创作未来 分类 最容易想到的一种NLP应用就是将语言进行分类了。 不管你用什么模型(RNN,ELMo, GPT还是BERT), 甚至是未来还未研发出来的模型。他们都可以算是一种理解语

nanke_4869的博客 1360

Siamese-based-BERT-FAQ-retrieval

基于暹罗语的BERT-FAQ检索

SECS/GEM协议库及开源代码

以下是在开发SECS/GEM协议过程中,在网络上搜集协议实现资源,希望对SECS/GEM协议感兴趣的同学能有所帮助。 开源代码 freesecs FREESECS 是一个开源的SEMI SECS协议库,采用C++语言实现,可运行于Linux, MacOS X, NetBSD。 实现协议:E37.1、E5 开源地址:freesecs download | SourceForge.net 下载地址:https://download.youkuaiyun.com/download/BT_LEO/24305429

码农的历程 9945

【NLP 34、实践 ⑧ 基于faq知识库和文本匹配算法进行意图识别】

根据用户查询和选择的算法,计算与知识库中问题的匹配度,并返回最匹配的前三个结果。将句子转换为向量,通过对句子中所有词的向量求平均并进行归一化。初始化问答系统,加载知识库并根据选择的算法进行模型初始化。初始化 BM25 模型,将知识库中的问题分词并构建语料库。加载或训练 Word2Vec 模型,并将知识库中的问题向量化。对象),可以用于遍历字典的键值对。对象),可以用于遍历字典的键值对。返回枚举对象,生成索引和元素的元组。对象),可以用于遍历字典的键值对。对象),可以用于遍历字典的值。

m0_73983707的博客 1341

DTW Barycenter Averaging(DBA)——平均序列求法

DBA该算法是用来求序列数据集SS的一致序列(平均序列)。由Franc-ois Petitjean提出的。目前,该方法求得的平均序列是最准确的。 假设一元组为S={s1,s2,⋯,sn}S={s1,s2,\cdots,sn},当SS中的元素为实数时,很容易求的SS的平均值: avg=s1+s2+⋯+snn(1) avg = \dfrac{s1 +s2+\cdots+sn}{n} \qquad\q

光怪陆离 1万+

基于bert特征提取的FAQ问答系统构建

faq的问答系统是目前用的比较广泛的问答系统,由于它落地简单,并且大部分场景都需要,构建一个faq问答系统可以作为一个baseline快速应用到实际场景中。下面就介绍如何快速构建一个faq问答的baseline。一、环境的搭建faq的核心技术是信息检索,信息检索的常用工具则是es,es既可以对faq知识库存储,又可以快速查询文本。同时也有配套的可视化工具kibana,方便数据查询和管理。此外,es的社区也很活跃,文档和讨论的问题也方便使用。elasticsearch+kibana安装使用docker容器拉取

donruo的博客 1403

SAP ERP与金蝶云星空的集成案例(新能源光伏行业)

通过建设PLM、SAP、MES、WMS、SCADA、EAM等多系统集成的工业互联网平台作为数字化工厂的控制中枢,不仅可以实现人员、设备、物料、工艺参数、产品等生产全流程追溯管理,同时也可以根据数据采集进行生产现场的控制调节,最大程度降低能耗水平。销售订单创建下推金蝶采购订单创建修改、销售订单创建下推金蝶销售订单创建修改、销售发货过账下推金蝶采购入库单、销售发货过账下推金蝶销售出库单:在SAP ERP系统创建销售订单、销售发货过账单后推送到云星空系统,进行采购/销售订单的创建修改、完成物料的入库和出库流程。

集信通 1620

5、硬件工程师笔试面试——上拉电阻、下拉电阻(2025版本)

本文系统介绍了上拉电阻和下拉电阻的原理与应用。上拉电阻通过连接电源确保电路高电平状态,常用于数字电路防抖、OC门驱动等场景;下拉电阻连接地线维持低电平,适用于低电平触发电路。文章详细分析了两种电阻的选择方法、功耗与响应速度的平衡策略,以及在高速信号传输中的影响差异。同时对比了二者的优缺点,并提供了模拟电路中的应用实例。最后给出了电阻值计算的工程方法,为硬件工程师的电路设计提供了实用参考。

XU157303764的博客 2873

《查询问题相似与基于Bert的FAQ问答系统》知识图谱阅读笔记(五)

一、介绍 FAQ是一种常见任务检索的任务,其目标是根据用户的查询从数据库中检索适当的问答(QA)。该文章提出了一种FAQ检索系统,它们的的方法考虑了用户查询(q)和常见问题(Q)之间的相似性以及查询问题(q)和答案(A)之间的相关性。 许多 FAQ检索模型使用q和QA对之间具有相关性标签的数据集。但是,构造这样的标记数据花费很多。为了解决这个问题,论文采用了一种无监督的方法来计算查询和问题之间的相似度。 另一方面,可以通过在FAQ数据库中使用QA对来计算查询(q)和答案(A)之间的相关性,这显示了给定q的F

月下独听雪 1589

Codex 的 AGENTS.md 到底怎么写?前端、后端两套实战模板,照抄就能用

文件名是大写AGENTS.md,放在项目根目录构建、测试、类型检查命令都是可直接复制执行的只写了 Agent 从代码里推断不出来的约定红线规则用了明确的否定句式(禁止/不要/Never)标注了自动生成目录和禁止修改的模块写清了交付要求(改动清单 + 验证命令 + 风险说明)没有任何密钥、密码、连接串整体一页能看完,核心要点 10 条以内每一条都能通过"删掉会不会更容易犯错"的测试一份短小精准的 AGENTS.md,比一份充斥模糊规则的长文件有用得多。

篮球界最会写bug的人;程序猿中打球最菜的人。 618

【每周NLP论文推荐】 开发聊天机器人必读的重要论文

欢迎来到《每周NLP论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。对于聊天机器人研究,可以追...

hacker_long的专栏 1244

大数据领域数据架构的工业互联网数据架构设计

工业互联网作为第四次工业革命的重要驱动力,正在深刻改变传统制造业的生产方式和商业模式。本文旨在探讨工业互联网环境下的大数据架构设计,重点解决工业数据采集、传输、存储、处理和分析等关键环节的技术挑战。工业互联网数据架构的核心组件大数据技术在工业场景下的应用数据治理和质量控制边缘计算与云计算的协同架构背景介绍:建立基本概念和问题域核心架构:详细解析工业互联网数据架构技术实现:通过代码和数学模型展示关键技术实践案例:展示真实场景应用工具资源:推荐实用开发工具和学习资源。

软件工程实践的博客 856

关于YOLOv8的面试题(持续更新中...)

本章将计划更新关于YOLOv8中可能会成为面试题的关键技术点,计划持续更新,可能想到合适的问题我就会整理下更新到本博客中。

ice 4172

【每周NLP论文推荐】 生成式聊天机器人论文介绍

欢迎来到《每周NLP论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。生成式聊天机器人是研究的热...

hacker_long的专栏 1787

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

【NLP】一文汇总自然语言处理主要研究方向

NLP专栏已经发了相当数目的文章,从基础的机器学习到最新的预训练语言模型;从简单的文本分类到复杂的信息抽取、聊天机器人。今天我们做一个回顾和总结,聊聊我们从事的自然语言处理研究或者工作,...

hacker_long的专栏 1万+

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

自然语言处理(NLP)

自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系,但又有重要的区别。自然语言处理并不是一般地研究自然语言,而在于研制能有效地实现自然语言通信的计算机系统,特别是其中的软件系统。因而它是计算机科学的一部分。

weixin_44733966的博客 8056

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

什么是自然语言处理 (NLP) 聊天机器人?

通过模拟类似人类的交互,聊天机器人实现了用户和技术之间的无缝通信,从而改变了企业与客户和用户互动的方式。总的来说,NLP 聊天机器人的未来是光明的,它为改变我们与技术交互、访问信息和完成日常生活任务的方式提供了令人兴奋的机会。随着 NLP 聊天机器人的不断发展和成熟,它们将在塑造人机交互的未来和推动不同领域的创新方面发挥越来越不可或缺的作用。他们可以解决复杂的问题,从用户互动中学习,并提供更多的人类和个人信息。特定领域的聊天机器人将提供更深入的洞察、特定领域的知识和行业特定的功能,以满足用户的独特需求。

jianqimingtian的博客 1411

【机器学习】智能聊天机器人——基于自然语言处理的智能对话系统

自动化客户服务和智能聊天机器人通过机器学习技术,为企业提供了高效、全天候的客户支持。机器学习在意图识别、对话管理、情感分析和个性化推荐中发挥关键作用,使系统能够理解并回应客户的需求。同时,自然语言处理技术(NLP)使聊天机器人能进行自然的多轮对话,提高交互体验。Amazon Alexa、Google Assistant 和 Zendesk Chat 等案例展示了这些技术的成功应用,帮助企业降低成本、提高客户满意度,并优化服务流程。

2202_76097976的博客 4681

【人工智能】NLP入门指南:自然语言处理基础全解析

在数字化时代,自然语言处理(NLP)已成为人机交互的桥梁。本文将引导读者从基础到应用,全面了解NLP技术。首先,我们将探索NLP的两大支柱:自然语言理解(NLU)和自然语言生成(NLG),理解它们如何分别让机器理解与生成人类语言。接着,文章将深入中文文本的分词技术,特别是jieba分词的使用。进一步,我们将学习文本的数值表示方法,包括one-hot编码、Word2Vec和Embedding模型,这些技术赋予机器学习模型处理语言的能力。

啊猪是的读来过倒的博客 8878

【小沐学NLP】Python实现聊天机器人(ELIZA)

聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。聊天机器人是虚拟助理(如Google智能助理)的一部分,可以与许多组织的应用程序,网站以及即时消息平台(Facebook Messenger)连接。非助理应用程序包括娱乐目的的聊天室,研究和特定产品促销,社交机器人。聊天机器人(chatterbot)是一个用来模拟人类对话或聊天的程序。“Eliza”和 “Parry”是早期非常著名的聊天机器人。

爱看书的小沐 1万+

自然语言处理NLP入门之SpaCy

在本博客中,你将学会NLP任务中的基本概念和术语,并且怎么使用Spacy库来处理这些任务。具体包括在spaCy中实现NLP、自定义和扩展spaCy中的内置功能、对文本进行基本的统计分析、创建流程来处理非结构化文本、解析句子并从中提取有意义的信息等。

weixin_36751401的博客 6977
上一篇: 有三AI不得不看的几十篇技术综述
下一篇: 有三AI模拟面试服务上线,一对一服务助你求职
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3635粉丝 976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

言有三

三人行必有AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值