公众号 系统之神与我同在 链接如下： http://link.zhihu.com/?target=https%3A//www.aaai.org/AAAI21Papers/AAAI-1260.QiuM.pdf 对话问答的强化历史追溯 摘要 在多轮对话中对上下文历史建模已成为更好地理解问答系统中的用户查询的关键步骤。为了利用语境历史，大多数现有的研究将整个语境视为输入，这将不可避免地面临以下两

包括 Dialogue System, QA System, Chatbot 简述。 下面大部分文字是整体的介绍，当然要完全把这三个部分都详细说完，可能就够一本书了，没几百篇论文的阅读出不来。 主要是因为每个系统的每个实现方法经常都是独立的一个领域，而很少有介绍完整成品的东西，也几乎没有完整的书籍。 Conversational Robot 的来历 主要是为了避免dialogue和chat这两

同上一篇一样，是使用图建模对话情绪识别的论文。本文提出了用有向无环图(DAG)对对话进行编码的方法（DAG-ERC），主要借鉴了ICLR2021发表的工作DAGNN（Directed acyclic graph neural networks.）中的GNN改进策略。DAG-ERC在DAGNN的基础上进行了两个改进:(1)基于说话人身份的关系感知特征转换，以收集信息;(2)上下文信息单元，以增强历

原文：http://arxiv.org/abs/1506.05869 摘要 对话建模是自然语言理解和机器智能中的一个重要任务。尽管已经存在先前的方法，但它们通常限制在特定领域（例如，预订机票）并需要手工制定规则。在本文中，我们提出了一种简单的方法来处理这一任务，它使用了最近提出的序列到序列框架。我们的模型通过预测给定之前的一句或多句对话后的下一句来进行对话。我们模型的优势在于它可以端到端地训练

1.首先理解这种任务型对话推荐 1.1过程 这一类型的对话推荐相较于传统对话推荐的一个显著优势在于：directly ask users about their preferred attributes on items（traditional methods suffer from the intrinsic limitation of passively acquiring user

论文出发点： 现成的BERT模型在它们的参数中存储了多少关于推荐项目（电影，书籍，音乐）的知识 现象：BERT在NLP领域如此强劲的表现从侧面体现bert的参数里存储了 事实性知识 做了一系列探测实验探查BERT蕴含的两类知识： content-based：通过item的文本内容匹配item的标题（类别）collaborative-based：通过匹配相似item 通过三项任务： ML