當我們談論「Chatbot」時，我們在讀什麼？ | 論文集精選 #05
PaperWeekly 是一個 AI 學術分享社區。這裡聚集了大批一線 AI 學者，他們用精鍊妙語推薦各自發現的優質論文。即刻加入社區，創建屬於你的論文集。
這裡是第 5 期論文集精選。
本期我們帶來的是由 PaperWeekly 社區用戶 @cb 創建的 Chatbot 專題論文集，包含 20 篇對話系統、對話生成、自然語言理解等方向相關論文。
我們從中精選了 10 篇優質文章進行展示，如果有合你心意的論文，複製鏈接到瀏覽器即可查看原文。你也可以點擊「閱讀原文」，一鍵收藏此論文集。
Neural Response Generation with Dynamic Vocabularies
@zhangjun 推薦
#Dialogue Generation
本文針對 seq2seq 做文本生成任務 decoding 階段 vocabulary 過大導致計算性能差的問題，提出了一種 dynamic vocabulary 的 seq2seq 模型，本文已被AAAI2018 錄用。
論文鏈接：http://www.paperweekly.site/papers/1267
BBQ-Networks: Efficient Exploration in Deep Reinforcement Learning for Task-Oriented Dialogue Systems
@zhangjun 推薦
#Dialog Systems
AAAI2018 錄用文章，將深度強化學慣用於對話系統。BBQ network 這個名字很有意思，工作來自微軟研究院和 CMU。
論文鏈接：http://www.paperweekly.site/papers/1138
Integrating User and Agent Models: A Deep Task-Oriented Dialogue System
@zhangjun 推薦
#Dialogue Agent
港科大楊強老師組最新工作。
論文鏈接：http://www.paperweekly.site/papers/1109
Flexible End-to-End Dialogue System for Knowledge Grounded Conversation
@lukepan 推薦
#Chatbot
該論?所引?的知識是以 tuple 的形式儲存在 KB 中的。 knowledge 的引??式如下：Candidate Facts Retriever 從 input 中提取 entity，然後在 KB 中進? query，將通過 relation 尋找到的 objects 和 subjects 作為 Candidate Facts 存儲為?個集合。
在 Reply Decoding 流程中，為了決定該使?哪些 facts，提出了 dynamic knowledge enquirer，?以根據 local contexts at various positions within a response 來 rank 並選擇集合中哪些 facts 應該被使?。
論文鏈接：http://www.paperweekly.site/papers/891
Affective Neural Response Generation
@Jeffreygao 推薦
#Dialog Systems
在對話系統中來建模情感，提出了包含情感的詞向量。這篇論文的模型以 seq2seq 為背景，主要在三個點上做改進。（1）在 embedding 上加情感信息（2）改進 loss function（3）beam search 時考慮情感。
論文鏈接：http://www.paperweekly.site/papers/1043
A Deep Reinforcement Learning Chatbot
@xwzhong 推薦
#Chatbot
蒙特利爾演算法研究實驗室（MILA）為參與亞馬遜 Alexa 大獎賽而開發的深度強化學習聊天機器人。
MILABOT 能夠與人類就流行的閑聊話題進行語音和文本交流。該系統包括一系列自然語言生成和檢索模型，如模板模型、詞袋模型、序列到序列神經網路和隱變數神經網路模型。
通過將強化學習應用到眾包數據和真實用戶互動中進行訓練，該系統學習從自身包含的一系列模型中選擇合適的模型作為響應。
真實用戶使用 A/B 測試對該系統進行評估，其性能大大優於競爭系統。由於其機器學習架構，該系統的性能在額外數據的幫助下還有可能繼續提升。
論文鏈接：http://www.paperweekly.site/papers/559
An End-to-End Trainable Neural Network Model with Belief Tracking for Task-Oriented Dialog
@valyriansteel 推薦
#Natural Language Understanding
最近發表在語音頂會 Interspeech 上的一篇關於 end-to-end 任務型對話系統的文章。
提出的模型打破了傳統任務型對話系統的 pipeline 模式，用統一的分層 RNN（Hierarchical RNN）來做語義理解（NLU），狀態追蹤（DST） 和對話管理（DM）。
模型還有一個專門的模塊來做資料庫/知識庫的連接，能有效地把查詢結果加入到最後生成的對話回復中。實驗用的是基於 DSTC2 的對話數據，在對話狀態追蹤和回復預測上都取得了不錯的效果。
論文鏈接：http://www.paperweekly.site/papers/395
Generative Encoder-Decoder Models for Task-Oriented Spoken Dialog Systems with Chatting Capability
@paperweekly 推薦
#Dialog Systems
本文給出了一個特定領域對話系統的端到端解決方案，包括用 entity indexing 來解決對話生成時的 OOV 問題，也包括從外部資料庫中獲取到知識並融合到生成的對話中，對工程實現有一定的啟發。本文已被 SIGIDIAL 2017 錄用。
論文鏈接：http://www.paperweekly.site/papers/372
Personalization in Goal-Oriented Dialog
@paperweekly 推薦
#Dialog Systems
本文給出了一個個性化對話數據集和 baseline，這裡的個性化包括了 speaker 的 profile，最近有幾篇都是做更加聰明的 chatbot，比如帶有情緒，帶有感情色彩，帶有一定個性。
論文鏈接：http://www.paperweekly.site/papers/373
Key-Value Retrieval Networks for Task-Oriented Dialogue
@tonya 推薦
#Dialog Systems
本文的具體研究場景是車載智能助理，作者提出了一種基於知識庫的端到端解決方案，車的 response 信息檢索自形如 key-value 知識庫中。文章會在後面開放出一個數據集出來供大家研究。本文工作來自斯坦福 Christopher D. Manning 組。
論文鏈接：http://www.paperweekly.site/papers/662
本文由 AI 學術社區 PaperWeekly 精選推薦，社區目前已覆蓋自然語言處理、計算機視覺、人工智慧、機器學習、數據挖掘和信息檢索等研究方向，點擊即刻加入社區！
我是彩蛋
解鎖新姿勢：用微信刷論文！
PaperWeekly小程序上線啦
今日arXiv√猜你喜歡√熱門資源√
隨時緊跟最新最熱論文
解鎖方式
1. 掃描下方小程序碼打開小程序
2. 用PaperWeekly社區賬號進行登陸
3. 登陸後即可解鎖所有功能
關於PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平台。如果你研究或從事 AI 領域，歡迎在公眾號後台點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。
微信公眾號：PaperWeekly
新浪微博：@PaperWeekly
推薦閱讀：
※直播預告：基於動態詞表的對話生成研究 | PaperWeekly x 微軟亞洲研究院
※Chatbot專題閱讀小組 | 每周一起讀 #08
TAG:chatbot |