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. 融合阿里云，牛客助您找到心仪好工作
2. 解决jdbc(jdbctemplate)在测试类时不报错在TomCatb部署后报错
3. 解决PyCharm GoLand IntelliJ 等 JetBrains 系列 IDE无法输入中文
4. vue+ant design中关于图片请求不显示的问题。
5. insufficient memory && Native memory allocation (malloc) failed
6. 解决IDEA用Maven创建的Web工程不能创建Java Class文件的问题
7. [已解决] Error: Cannot download ‘https://start.spring.io/starter.zip?
8. 在idea让java文件夹正常使用
9. Eclipse启动提示“subversive connector discovery”
10. 帅某-技巧-快速转帖博主文章（article_content）

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<<