knowledge-driven-dialogue-lic2019:2019语言与智能技术竞赛-知识驱动对话B榜第5名原始码和模型

上传者: 42131013 | 上传时间: 2022-11-18 09:17:16 | 文件大小: 37.21MB | 文件类型: ZIP
知识驱动对话2019-lic 2019语言与智能技术竞赛B榜第5名方案由于线上部署对时间有要求,最终提交人工评估的版本删除了一些主题特征,导致模型结果有所下降,最终人工评估第9名。A榜第四B榜第五 概述 为了建立主动对话聊天机器人,我们使用了所谓的世代重排方法。 首先,生成模型(Multi-Seq2Seq)产生一些候选答案。 接下来,重新排序模型负责执行查询-答案匹配,以针对所产生的候选者尽可能多地选择答复。 现在可以通过详细的描述我们的解决方案的论文,请检查。 数据扩充 我们使用了四种数据增强技术:实体泛化,知识选择,切换,对话提取来构建用于训练Seq2Seq模型的多个不同数据集。 可以使用脚本Seq2Seq / preclean _ *。py稍加修改参数即可获得6个数据集。 Seq2Seq模型 为了整体目的,我们选择不同的编码器和解码器,即LSTM单元和Transformer。 这部

文件下载

资源详情

[{"title":"( 297 个子文件 37.21MB ) knowledge-driven-dialogue-lic2019:2019语言与智能技术竞赛-知识驱动对话B榜第5名原始码和模型","children":[{"title":"create_gbdt_dataset.py <span style='color:#111;'> 5.21KB </span>","children":null,"spread":false},{"title":"train.py <span style='color:#111;'> 652B </span>","children":null,"spread":false},{"title":"np_utils.py <span style='color:#111;'> 2.19KB </span>","children":null,"spread":false},{"title":"dist_utils.py <span style='color:#111;'> 2.70KB </span>","children":null,"spread":false},{"title":"pkl_util.py <span style='color:#111;'> 217B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明