Seq2Seq模型和蒙特卡洛搜索树（简称：MTCS）实现的对话系统，是一个信息检索的对话系统，seq2seq可以生成句向量，再通过欧式距离匹配历史对话中距离最近的问句，给出该问句的回答，同时对话框架采用蒙特卡洛搜索树，问答对来自于搜索树上的各个节点，因此可以实现前后文的对话，属于一种非理解式的多轮对话。
标签： seq2seq
-
seq2seq模型的字符级的向量表示
许久未更博了，在前段时间测试了用seq2seq做ner任务，可以参考之前的文章《RNN的Seq2Seq模型做命名实体识别》 ，之后通过NER做NLU，再加上RL尝试多轮对话，结果达到了期望，但是还有很多工作需要去做，多轮语料采集、句子相似度、句向量，在多轮对话中，我没有尝试将每句话进行分类，我认为句子本身表意就非常清晰，标注反而画蛇添足，特别是上下文中的句子，其意思根据上下文而变化。那么对话中去匹配距离最近的句子，并且人为的反馈，可能是一个多轮对话的主要方式。
这篇文章将简单介绍seq2seq模型+attention机制，以及在这个模型下，字符级逐字的输入和输出任务产生的句向量的特性。 （更多…）
-
RNN的Seq2Seq模型做命名实体识别
seq2seq 具有极强的时序能力，在自然语言处理（NLP）中是一个很强的模型，最近一段时间，在工程方面将该模型引入做命名实体识别（NER）也取得不错的效果。推荐G.Hinton的论文“Grammar as a Foreign Language”，讲述了如何用seq2seq做序列标注。
（更多…）