Prólogo : Este blog registra dos trabajos que me interesan más en el trabajo relacionado con la generación de diálogo de las revistas TNNLS en los últimos tres años. En primer lugar, me gustaría compartir con ustedes la forma de buscar artículos con precisión, y luego presentarles brevemente las ideas principales de los dos trabajos.
Tabla de contenido
1. Método de búsqueda preciso de artículos
-
En la interfaz de búsqueda del sitio web de Web of Science , seleccione el ámbito de búsqueda restringiendo condiciones como el tema del artículo, el nombre de la publicación y el año de publicación:
-
Refine los resultados de la búsqueda en función de información como la popularidad del artículo, el año de publicación y el tipo de artículo:
Después de una búsqueda precisa del trabajo de generación de lenguaje natural de la revista TNNLS en los últimos tres años, se encontró que no había muchos trabajos en este campo en la revista. Después de leer extensamente los trabajos en los resultados de búsqueda, seleccioné los siguientes dos trabajos interesantes para presentar mis ideas.
2. Introducción al artículo
2.1 Generación de diálogo en dos etapas para el mantenimiento de la personalidad del usuario y la diversidad de respuestas
- Un nuevo marco de generación de dos etapas para promover la consistencia de la persona y la diversidad de respuestas en los sistemas de diálogo neuronal
- Información de envío: consulte la publicación en agosto de 2021; borrador medio en agosto de 2021; envío en febrero de 2021
- La idea principal: diseñar una red de generación de diálogos de dos etapas; primero generar un conjunto que contenga diversos diálogos y luego pasar un módulo de verificación de consistencia de personalidad para corregir la parte del conjunto de diálogo generado que no se ajusta a la personalidad del usuario y finalmente generar diversidad Diálogo que convive con la individualidad.
2.2 Generación de diálogos personalizados basados en aprendizaje multitarea y aprendizaje por refuerzo
- Aprendizaje multitarea y aprendizaje por refuerzo para la generación de diálogos personalizados: un estudio empírico
- Información de envío: Ver la publicación en 2021; borrador medio en febrero de 2020; envío en abril de 2018
- La idea principal: utilizar una combinación de aprendizaje multitarea y aprendizaje de refuerzo para generar un diálogo personalizado.
Agregue un módulo de reconocimiento de la personalidad del usuario para ayudar en la generación de diálogo personalizado; en el aprendizaje por refuerzo, diseñe 3 tipos de medidas de recompensa (Q-learning, gradiente de ploicy, actor-crítico).
Referencias