亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

題目： A Survey of Document Grounded Dialogue Systems (DGDS)

摘要：

對話系統因其廣泛的應用前景而受到工業界和學術界的廣泛關注。研究人員通常根據功能來劃分DS。然而，許多對話需要DS在不同的功能之間切換。例如，電影討論可以從聊天轉換為QA，會話推薦可以從聊天轉換為推薦等。因此，根據功能進行分類可能不足以幫助我們理解當前的發展趨勢。我們根據背景知識對DS進行分類。具體地說，學習最新的基于非結構化文檔的DS。我們將基于文件的對話系統(DGDS)定義為對話圍繞給定文件展開的系統。DGDS可用于根據產品手冊討論商品、評論新聞報道等場景。我們認為，提取非結構化的文檔信息是DS的未來發展趨勢，因為大量的人類知識都存在于這些文檔中。DGDS的研究不僅具有廣闊的應用前景，而且有助于人工智能更好地理解人類知識和自然語言。我們分析了DGDS的分類、體系結構、數據集、模型以及未來的發展趨勢，希望能對這一領域的研究者有所幫助。

由于任務型對話系統在人機交互和自然語言處理中的重要意義和價值，越來越受到學術界和工業界的重視。在這篇論文中，我們以一個具體問題的方式綜述了最近的進展和挑戰。我們討論三個關鍵主題面向任務對話框系統: (1)提高數據效率促進對話系統建模在資源匱乏的設置,(2)建模多輪動態對話框策略學習獲得更好的完成任務的性能,和(3)將領域本體知識集成到模型在管道和端到端模型所示的對話框。本文還綜述了近年來對話評價的研究進展和一些被廣泛使用的語料庫。我們相信這項綜述可以為未來面向任務的對話系統的研究提供一些啟示。

人機對話系統能夠讓機器通過人類語言與人進行交互,是人工智能領域的一項重要工作。因其在虛擬助手和社交聊天機器人等領域的商業價值而廣受工業界和學術界的關注。近年來,互聯網社交數據快速增長促進了數據驅動的開放領域對話系統研究,尤其是將深度學習技術應用到其中取得了突破性進展。基于深度學習的開放領域對話系統使用海量社交對話數據,通過檢索或者生成的方法建立對話模型學習對話模式。將深度學習融入檢索式系統中研究提高對話匹配模型的效果,將深度學習融入生成式系統中構建更高質量的生成模型,成為了基于深度學習的開放領域對話系統的主要任務。本文對近幾年基于深度學習的開放領域對話系統研究進展進行綜述,梳理、比較和分析主要方法,整理其中的關鍵問題和已有解決方案,總結評測指標,展望未來研究趨勢。