Skip to content

Краткое изложение статей по NLP, Deep Learning и диалоговым агентам

Notifications You must be signed in to change notification settings

sld/deeplearning-papernotes

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 

Repository files navigation

2020-07

  • Language Models are Few-Shot Learners [arXiv]

2018-10

2018-09

  • Subgoal Discovery for Hierarchical Dialogue Policy Learning [arXiv]

2018-08

  • NIPS Conversational Intelligence Challenge 2017 Winner System: Skill-based Conversational Agent with Supervised Dialog Manager [ACL, Github]

2018-04

2018-01

  • How People Negotiate? From the Analysis of a Dialogue Corpus to a Dialogue System [Paper]

  • A Survey of Available Corpora For Building Data-Driven Dialogue Systems: The Journal Version [arXiv]

    +

    Большая статья, хороший обзор. Из интересного указаны датасеты к которым есть юзер симуляторы и обозначены проблемы диалоговых систем.

  • Personalizing Dialogue Agents: I have a dog, do you have pets too? [arXiv]

2017-12

  • Avoiding Echo-Responses in a Retrieval-Based Conversation System [arXiv]
  • Conversational AI: The Science Behind the Alexa Prize [Amazon]
  • Sounding Board – University of Washington’s Alexa Prize Submission [Amazon]
  • Alquist: The Alexa Prize Socialbot [Amazon]
  • Superhuman AI for heads-up no-limit poker: Libratus beats top professionals [Science]

2017-11

  • A Survey on Dialogue Systems: Recent Advances and New Frontiers [arXiv]

2017-09

  • A Deep Reinforcement Learning Chatbot [arXiv]
  • Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning [arXiv]
  • Generating Sentences by Editing Prototypes [arXiv]

2017-08

2017-07

2017-06

2017-05

  • Machine Comprehension by Text-to-Text Neural Question Generation [arXiv]
  • TriviaQA: A Large Scale Dataset for Reading Comprehension and Question Answering [Resource]
  • A Survey of Deep Learning Methods for Relation Extraction [arXiv]
  • A Deep Reinforced Model for Abstractive Summarization [arXiv]
  • Ask the Right Questions: Active Question Reformulation with Reinforcement Learning [arXiv]

2017-04

  • Composite task-completion dialogue policy learning via hierarchical deep reinforcement learning [arXiv]

    +

    Те же чуваки делали, примерно также как и в прошлой статье. Тоже goal oriented, но тут подробнее описали как тренировали стейт трекер. Причем его разделили на low-level, где на каждом ходу награда дается и на high-level где награда дается уже достижение большой цели. Ну и цель на подзадачи как-то разбили.

  • Neural Question Generation from Text: A Preliminary Study [arXiv]

  • Reading Wikipedia to Answer Open-Domain Questions [arXiv]

  • SearchQA: A New Q&A Dataset Augmented with Context from a Search Engine [arXiv]

2017-03

  • Learning Conversational Systems that Interleave Task and Non-Task Content [arXiv]

    +

    Тут в task-oriented систему примешивают chit-chat модуль, берут длинный контекст диалога и это дает им прирост как в user engagement так и в достижении цели. Мерили людьми по 50 диалогов (без chit-chat модуля, с ним, длинный и короткий контексты). В качестве симулятора использовали Alice (рестартили беседу, когда Алиса начинала повторяться). В качестве награды для RL использовали линейную комбинацию длины диалога, информативности и пары других эвристик.

  • End-to-end task-completion neural dialogue systems [arXiv]

    +

    Тут разбирается task oriented система. Надо заполнить фрейм. Решают через end2end систему с RL. Для обучения использовали юзер симулятор. Также награду сразу давали, т.к. есть симулятор и это позволило решить проблему с отложенной наградой в диалогах.

  • Massive Exploration of Neural Machine Translation Architectures [arXiv, github]

2017-01

  • Cluster-Based Graphs for Conceiving Dialog Systems [Paper]

  • Building machines that learn and think like people [arXiv]

    +

    Тут с точки зрения психологии и смежных наук сравнивается текущее состояние ИИ и интеллект человека. Как обычно пишут, что человек намного быстрее и эффективнее обучается. Говорят что это может быть связано с тем что у человека есть врожденные особенности. Типа уже к году человек примерно представляет физику (инерция скорость и тд), язык тоже очень быстро осваивает и тд.

  • User involvement in collaborative decision-making dialog systems [Springer]

    +

    Тут рассмотрен диалоговый агент как помощник и компаньон юзера. Такой collaborive-decision making process. Тут был использован классический подход, отдельная база знаний, planning framework, decision model (всякие эвристики).

  • Learning End-to-End Goal-Oriented Dialog [arXiv]

  • История развития ИИ. Проблемы этики искусственного интеллекта [GitHub]

2016-11

  • Generative Deep Neural Networks for Dialogue: A Short Review [arXiv]

2016-09

2016-07

2016-06

2016-05

2016-03

2016-02

2016

2015-12

2012

  • Hierarchical Conversation Structure Prediction in Multi-Party Chat [ACL]

2001

  • Разработка диалоговой системы с применением корпуса [Dialog-21]

2003

  • Основы теории дискурса [Book]
  • Corpus-based, Statistical Goal Recognition [Paper]

2002

  • Dialogue systems and planning [[Paper - ftp://ftp.irit.fr/pub/IRIT/CSC/tsd02.pdf]]
    +

    Предложили вместо интентов и использовать план. Есть задача. Задача решается через достижение цели. Цель достигается посредством плана. План - это такой граф, где каждый узел это какое-то действие. План есть у юзера, у доменной области и у агента.

2000

  • A Plan Based Agent Architecture for Interpreting Natural Language Dialogue [Paper]
    +

    Рассмотрен диалоговый агент построенный на базе дискурсного анализа и планирования. Речевые акты, модель агента и модель доменной области и т.д.

1999

  • Speech acts for dialogue agents [Paper]

1994

  • Chatterbots, tinymuds, and the turing test: Entering the loebner prize competition [AAAI]

Ссылки

About

Краткое изложение статей по NLP, Deep Learning и диалоговым агентам

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published