Deep Reinforcement Learning for Dialogue Generation阅读笔记
文章亮点 本文是使用深度增强学习DRL的方法来解决多轮对话问题。首先使用Seq-to-Seq模型预训练一个基础模型，然后根据作者提出的三种Reward来计算每次生成的对话的好坏，并使用policy network的方法提升对话响应的多样性、连贯性和对话轮次。文章最大的亮点就在于定义了三种reward（Ease of answering、Information Flow、Semantic Coher
相关文章
- 1. Deep Reinforcement Learning for Dialogue Generation
- 2. Deep Reinforcement Learning for Dialogue Generation 论文阅读 A Diversity-Promoting Objective Function fo
- 3. Group-wise Contrastive Learning for Neural Dialogue Generation 阅读笔记
- 4. 阅读《SeedNet: Automatic Seed Generation with Deep Reinforcement Learning for Robust Interactive Segme》
- 5. FeUdal Networks for Hierarchical Reinforcement Learning 阅读笔记
- 6. Deep Residual Learning for Image Recognition阅读笔记
- 7. Deep Reinforcement Learning for Dialogue Generation-关于生成对话的深度强化学习
- 8. Deep Dyna-Q 阅读笔记
- 9. 论文阅读笔记（五十二）：Outline Objects using Deep Reinforcement Learning
- 10. Machine Learning & Deep Learning 论文阅读笔记
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • PHP 实例 - AJAX RSS 阅读器 - PHP教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • JDK13 GA发布：5大特性解读
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Deep Reinforcement Learning for Dialogue Generation
- 2. Deep Reinforcement Learning for Dialogue Generation 论文阅读 A Diversity-Promoting Objective Function fo
- 3. Group-wise Contrastive Learning for Neural Dialogue Generation 阅读笔记
- 4. 阅读《SeedNet: Automatic Seed Generation with Deep Reinforcement Learning for Robust Interactive Segme》
- 5. FeUdal Networks for Hierarchical Reinforcement Learning 阅读笔记
- 6. Deep Residual Learning for Image Recognition阅读笔记
- 7. Deep Reinforcement Learning for Dialogue Generation-关于生成对话的深度强化学习
- 8. Deep Dyna-Q 阅读笔记
- 9. 论文阅读笔记（五十二）：Outline Objects using Deep Reinforcement Learning
- 10. Machine Learning & Deep Learning 论文阅读笔记