liveway6的博客

自然语言处理领域（NLP）是语言学，计算和统计学研究的交汇点。 NLP的主要目标是自动理解人类使用的半结构化语言。本研究主要应用于语义分析，摘要，文本分类等多个领域。 本文描述了自然语言处理的三个阶段，即语言建模，词类标注和解析，概述了可以使用的方法。

论文来源：2017 KDD 论文链接 我们开发了一个新颖的模型，采用了**依赖于上下文的单词级别来更精确的语句表示和问题引导的句子级别。**我们还生成独特的IQA数据集来测试我们的模型。使用这些机制，我们的模型能够准确地理解何时可以输出答案，或者何时需要根据不同的上下文为附加输入生成补充问题。在可用时，用户的反馈被编码并直接应用以更新句子级别来推断答案。

论文来源：斯坦福博士李纪为博士毕业论文 本文尝试解决这些问题： - 在开放域对话生成系统中的几个问题： - 使用互信息避免无趣泛化的回答； - 赋予机器人格，解决用户一致性问题； - 用强化学习手段，增加长期对话成功率； - 使用对抗学习方法推动机器生成与人类水平相同的回复。 - 尝试开发交互问答系统： - 让机器具有提出问题的能力：通过问问题，扩大自己的知识库而完善自己；