Моделирование естественно-языковой коммуникации с помощью глубокого обучения

Построение естественноязыковой диалоговой системы, способной поддержать связный диалог с пользователем, является актуальной проблемой искусственного интеллекта. Подобные системы в зависимости от назначения разделяют на два типа: диалоговые агенты общего назначения, поддерживающие разговор на общие темы, и задачеориентированные диалоговые агенты. В данной работе описываются приложения глубокого обучения к проблеме создания моделей общетематического диалога. Описаны подходы к моделированию диалога, особое внимание уделено применению к задаче моделей нейронных сетей, получивших большое распространение среди исследователей в последние годы. Приведены общие сведения о применении нейросетевой модели "кодировщик-декодировщик описана её архитектура. Проведены эксперименты на русском языке. Указаны пути дальнейшего развития системы.

Modeling Natural Language Communication with Deep Learning

Building natural language dialogue systems that can converse coherently with user is an actual problem of artificial intelligence. Such systems generally fall into two main categories: open-domain dialogue agents that allow humans to ask general questions and closed-domain agents. In this paper the various deep learning applications to the problem of building open-domain dialogue agent are described. In particular, I focus on systems with neural networks, which have become very popular among various researchers in recent years. It provides general information about encoder-decoder recurrent neural network architecture. Experiments with Russian language are described and the ways of further development of system are suggested.