Neural Response Generation via GAN with an Approximate Embedding Layer

时间 2020-12-24

标签对话系统 GAN 繁體版

原文原文链接

1. Goal 用GAN来对dialogue system建模，从而减少safe response（e.g. “我不知道”, “我也是”）。 2. Contribution 提出了一个AEL (Approximate Embedding Layer )来解决seq2seq模型decode阶段由于sampling导致的不可微问题（non-differentiable problem）。 3. Mod

>>阅读原文<<

1. 系列总结：Sequence Generation via GAN
2. Neural Headline Generation with Minimum Risk Training
3. Embedding Layer
4. Text Generation With LSTM Recurrent Neural Networks in Python with Keras
5. Fast Approximate Energy Minimization via Graph Cuts
6. (zhuan) Recurrent Neural Network
7. 论文阅读：Neural Image Caption Generation with Visual Attention
8. Deep Speaker: an End-to-End Neural Speaker Embedding System
9. 【读】seq2seq——（6）Neural Headline Generation with Minimum Risk Training
10. GAN(9)——sequence generation
更多相关文章...
• ASP Response 对象 - ASP 教程
• XSLT 元素 - XSLT 教程
• Flink 数据传输及反压详解
• 为了进字节跳动，我精选了29道Java经典算法题，带详细讲解

最新文章

1. python的安装和Hello，World编写
2. 重磅解读：K8s Cluster Autoscaler模块及对应华为云插件Deep Dive
3. 鸿蒙学习笔记2（永不断更）
4. static关键字和构造代码块
5. JVM笔记
6. 无法启动 C/C++ 语言服务器。IntelliSense 功能将被禁用。错误: Missing binary at c:\Users\MSI-NB\.vscode\extensions\ms-vsc
7. 【Hive】Hive返回码状态含义
8. Java树形结构递归（以时间换空间）和非递归（以空间换时间）
9. 数据预处理---缺失值
10. 都要2021年了，现代C++有什么值得我们学习的？

本站公众号

欢迎关注本站公众号,获取更多信息

1. 系列总结：Sequence Generation via GAN
2. Neural Headline Generation with Minimum Risk Training
3. Embedding Layer
4. Text Generation With LSTM Recurrent Neural Networks in Python with Keras
5. Fast Approximate Energy Minimization via Graph Cuts
6. (zhuan) Recurrent Neural Network
7. 论文阅读：Neural Image Caption Generation with Visual Attention
8. Deep Speaker: an End-to-End Neural Speaker Embedding System
9. 【读】seq2seq——（6）Neural Headline Generation with Minimum Risk Training
10. GAN(9)——sequence generation

>>更多相关文章<<