0
Jointly Optimizing Diversity and Relevance in Neural Response Generation
本文提出了正则化的多任务学习框架SpaceFusion,通过结构化隐变量空间联合优化多样性和相关性。NAACL2019 paper linkcode link
本文提出了正则化的多任务学习框架SpaceFusion,通过结构化隐变量空间联合优化多样性和相关性。NAACL2019 paper linkcode link
本文主要研究的是结合语言模型预训练和多任务学习获取文本表示,在多个公开数据集上取得了最好的效果,同时在领域迁移实验中也取得了很好的泛化能力。ACL2019 paper linkcode link
本文提出了基于多层记忆网络的对话生成模型,创新点在于将context memory和KB memory分隔开,并且以一种分层的结构表示KB memory,以符合KB结果中自然的层次关系,使得模型可以支持非连续的对话(用户引用之前历史提过的KB结果),在entity F1和BLEU上远远超过之前的模型(Mem2Seq等)。 paper linkcode link
本文研究的是对话系统中的SLU任务,论文重点关注于对话中不同出现时间的上下文信息,即考虑对话时间的影响,同时增加了说话者的身份特征。NAACL2019 paper link)code link