教程简介: 最近AI对话技术的飞跃式发展,无疑与越来越复杂的深度学习算法有关,而深度学习算法所捕捉到的模式是由各种数据收集机制生成的。因此,本教程的目标是双重的。首先,它旨在让学术界熟悉基于统计学的对话系统算法设计的最新进展,其中包括开放性领域和基于任务的对话范例。本教程的重点是介绍对话系统端到端的学习机制,以及它们与更加常见的模块系统之间的关联。从理论上讲,从数据中学习端到端可以为对话系统提供无缝的、空前的可移植性,有着非常广阔的应用前景。从实践的角度来看,该领域仍然存在大量的研究挑战和机会:在本教程中,我们会分析理论和实践之间的差异,并介绍当前端到端对话学习的主要优势和实践中的局限性。

目录:

  • 理解数据(带注释和不带注释的)收集对AI对话系统的重要性。
  • 介绍最新的关于AI对话系统的数据收集范式。
  • 阐述大规模无结构的对话数据在对话系统预训练方面的可用性。
  • 提供端到端数据驱动在AI对话学习模型的概述。
  • 讨论数据和算法选择之间的重要性。
  • 关于当前(任务导向)AI对话在实际操作中的一个行业视角。

下载链接: https://pan.baidu.com/s/1qV4uQItQSZj0kWsXa4QgPg 提取码: kk3v

成为VIP会员查看完整内容
0
26

相关内容

用已知某种或某些特性的样本作为训练集,以建立一个数学模型(如模式识别中的判别模型,人工神经网络法中的权重模型等),再用已建立的模型来预测未知样本,此种方法称为有监督学习。是最常见的机器学习方法。

【导读】慕尼黑大学开设的《高级深度学习》技术课程,重点介绍计算机视觉的前沿深度学习技术。最新一期介绍了《生成式对抗网络》进展,讲述了GAN的知识体系,值得关注。

成为VIP会员查看完整内容
0
43
小贴士
相关论文
Simple and effective localized attribute representations for zero-shot learning
Shiqi Yang,Kai Wang,Luis Herranz,Joost van de Weijer
4+阅读 · 6月10日
Speech2Action: Cross-modal Supervision for Action Recognition
Arsha Nagrani,Chen Sun,David Ross,Rahul Sukthankar,Cordelia Schmid,Andrew Zisserman
5+阅读 · 3月30日
Jianzhu Guo,Xiangyu Zhu,Chenxu Zhao,Dong Cao,Zhen Lei,Stan Z. Li
4+阅读 · 3月17日
Few-shot Natural Language Generation for Task-Oriented Dialog
Baolin Peng,Chenguang Zhu,Chunyuan Li,Xiujun Li,Jinchao Li,Michael Zeng,Jianfeng Gao
11+阅读 · 2月27日
Learning Disentangled Representations for Recommendation
Jianxin Ma,Chang Zhou,Peng Cui,Hongxia Yang,Wenwu Zhu
4+阅读 · 2019年10月31日
Jointly Learning Explainable Rules for Recommendation with Knowledge Graph
Weizhi Ma,Min Zhang,Yue Cao, Woojeong, Jin,Chenyang Wang,Yiqun Liu,Shaoping Ma,Xiang Ren
3+阅读 · 2019年3月9日
Jianfeng Gao,Michel Galley,Lihong Li
24+阅读 · 2018年9月21日
CoQA: A Conversational Question Answering Challenge
Siva Reddy,Danqi Chen,Christopher D. Manning
6+阅读 · 2018年8月21日
Matthew E. Peters,Mark Neumann,Mohit Iyyer,Matt Gardner,Christopher Clark,Kenton Lee,Luke Zettlemoyer
7+阅读 · 2018年3月22日
Weiyu Lan,Xirong Li,Jianfeng Dong
3+阅读 · 2017年8月15日
Top