sanra123的博客

文章创新点：使用文本和KB组合的通用模式，结合记忆网络来完成问答提出模型：UNISCHEMA提出原因：知识库问答会受到不完整性的影响，文本虽然包含大量事实，但是存在非结构化文本，将KB和文本事实投影到R2d空间提供了对推理知识的统一视图。网络构成：和key-value Memory类似（关于key-valueMemory可参考呜呜哈，膜拜），编码部分用的Bi-LSTM+attenti...

1. 下载链接：https://fb-public.app.box.com/s/chnq60iivzv5uckpvj2n2vijlyepze6w2. 数据集大小大小: 32.9M3. 及文件组成（1） 任务 1-5trainingdevelopmenttesting100010001000其中，任务1-5还包含一个OOV测试集文件，与tst文件不同之处是...

传统端到端学习的弊端：数据驱动型，需要海量数据来学习简单的行为数据驱动型，需要海量数据来学习简单的行为领域迁移时，无法加入领域先验知识本文提出的HCN（端到端，任务型），不仅可以保留对话状态的潜在表示，还能显著减少训练数据量（结合监督学习和强化学习来优化），同时获得satte-of-art的性能。端到端和pipeline的对比：pipeline需要经过 NUL，DST，动作...

2017年Google发表在NIPS的一篇文章，到现在已经1200+的引用量了，可以看到现在多火了吧。还是要来看看的，粗略读一下吧。后续，从阅读理解的Encoder-Decoder方面改一下看看会不会有改进点。还有Mem2seq的代码看一下。相似度概率计算的公式可以改一下试试。主要序列转导模型基于包括编码器和解码器的复杂RNN或者CNN网络，性能最佳的模型是通过注意力机制链接编码器和解码器。本...

哈工大录于COLING 2018的文章参考：https://www.jiqizhixin.com/articles/2018-08-31任务型对话中基于对话状态表示的Seq2Seq学习还没看完orz简介任务型对话中，传统的pipeline模型需要对对话状态进行显示建模，这需要人工定义对话领域相关的知识库进行检索的动作空间。Seq2Seq模型可以直接学习从对话历史到当前轮回复的一个映射...

2019AAAI的一篇文章，这篇其实没有看，有作者的一份介绍，很详细了。参考：https://mp.weixin.qq.com/s/AqzdRoXthrUFUOqSNwgfqQ

来源： 2018 NIPS–微软亚洲研究院参考：https://www.msra.cn/zh-cn/news/features/nips-2018-papers-from-msra1. 文章概述：对话中的多轮问答和语义分析是NLP领域两个核心问题，对语音助手、聊天机器人和搜索引擎都至关重要。在本文中，我们提出了基于知识图谱的对话式语义分析模型。（有点没想通复制了之前的KB实体之后呢?就是复制...

在写论文的时候第二章要介绍分布式词表示，找了蛮久，发现了这篇博士论文，讲的很详细呀！仔细一看原来是赵军老师的实验室，66666。记一下：https://arxiv.org/ftp/arxiv/papers/1611/1611.05962.pdf基于神经网络的词和文档语义向量表示方法研究 --来斯惟...

按照参考文献3的方法安装TextLive，中途出现了local和respons的问题，如下图所示，尝试返回上一步换了几个mirror还是不行哎。查找了一些资料最终改用清华源，顺利安装了2019~ 总结一下安装Atom和配置TextLive的步骤，安装Atom主要参考了文献1。1. 安装Atom下载并安装Atom（官网下载就很快啦）。之后打开Atom，配置三个Package，步骤如下：...

基于注意力的复制机制，在Memseq和HPGMN中都有提到。

终于还是要看看这篇论文的呀，吃饭之前看个七七八八吧。文章2015年6月9日提交，最后修改版本到2017年1月2日了。代码：https://github.com/yujiakimoto/ptr-net参考（解释的很清楚了）：https://lianhaimiao.github.io/2018/08/21/Pointer-Network-的一些理解/1.摘要提出了一种新的神经网络结构来学习输...

这是何世柱老师团队发表于COLING2018的一篇文章。一. 文章贡献：提出进行模式提取和实体链接，并提出模式修改程序来缓解错误传播问题学习对候选主谓词对进行排序以使得能够在给出问题的情况下进行相关事实检索，我们建议通过关系检测来增强联合事实选择。利用多级编码和多维信息（计算语义相似性，问题话语和主语谓语对的多级编码）来加强整个过程我们的方法在Simple KB-QA任务中创造了一项...

码下来，慢慢看，谢谢各位的分享。1.小象学院：王昊奋2. 总结：https://cloud.tencent.com/developer/article/10880663. KBQA入门：https://zhuanlan.zhihu.com/kb-qa4. 实战：https://zhuanlan.zhihu.com/knowledgegraphhttps://blog.youkuaiyun.com/k...

待续

待续

总的来说，这篇论文提出了一个数据集incar personal assistant，并提出添加指向KB的注意力机制，和复制增强网络这篇好像A Copy-Augmented Sequence-to-Sequence Architecture Gives Good Performance on Task-Oriented Dialogue，不过这篇是在解码时向输入语句中添加注意力，这样可以复制原句中的...

代码（搬运工）：https://github.com/HLTCHKUST/Mem2Seq

全局到本地记忆指针网络参考：https://zhuanlan.zhihu.com/p/54327404香港科技大学-ICLR2019知识库通常很大，很难融入到学习模型中。本文提出全局到本地记忆指针（GLMP）网络来解决这个问题。提出了全局存储器编码和本地存储器解码来共享外部知识。编码器对对话历史进行编码，修改全局上下文表示，并生成全局记忆指针。解码器首先生成带有未填充槽的草稿响应。接下来它传...

1.简介2016 年的论文用attention来处理神经网络中rare and unseen words，用了两个softmax层来预测模型中的下一个词。一个预测源语句中单词的位置，另一个单词预测短名单词汇表中的单词，通过MLP层以上下文为依据决定使用哪个softmax。PS代码：https://github.com/caglar/pointer_softmax难点： 单词数量巨大，且是不...

LaTeX中输入双引号：https://blog.youkuaiyun.com/fengser/article/details/50557821