Применение глубокого обучения к моделированию диалога на естественном языке

В работе представлен обзор общетематических (неспециализированных) порождающих диалоговых моделей, основанных на глубоком обучении. Рассмотрены основные проблемы построения диалоговых моделей, основанных на машинном обучении, и методы их решения. На русскоязычном корпусе проведено экспериментальное сравнение классической нейросетевой диалоговой модели «кодировщик-декодировщик» с ее модификацией, использующей механизм внимания.

Natural language dialogue modelling with deep learning

Building natural language dialogue systems that can converse coherently with user is an actual problem of artificial intelligence. This paper presents an overview of the open-domain generative neural network dialogue models. The main problems of constructing dialogue models based on machine learning and methods for their solution are considered. An experimental comparison of the vanilla neural network encoder-decoder model with its attention mechanism modification was carried out on the Russian-language data.

Издательство
Федеральное государственное учреждение "Федеральный исследовательский центр "Информатика и управление" Российской академии наук
Номер выпуска
1
Язык
Русский
Страницы
105-115
Статус
Опубликовано
Том
69
Год
2019
Организации
  • 1 Институт системного анализа Федерального исследовательского центра «Информатика и управление» РАН
  • 2 Российский университет дружбы народов
Ключевые слова
диалоговые системы; обработка естественного языка; генерация текста; нейронные сети; искусственный интеллект; глубокое обучение; модель "кодировщик-декодировщик"; dialogue systems; natural language processing; natural language generation; neural networks; artificial intelligence; deep learning; Encoder-Decoder model
Дата создания
20.02.2020
Дата изменения
20.02.2020
Постоянная ссылка
https://repository.rudn.ru/ru/records/article/record/60035/
Цитировать
Поделиться

Другие записи