对话系统实现

最新推荐文章于 2025-07-14 21:46:03 发布

原创最新推荐文章于 2025-07-14 21:46:03 发布 · 1k 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

NLP学习

当前文章被收录于：

NLP学习

11 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

这篇博客主要探讨了对话系统的实现，重点在于代码学习和训练过程。通过分析数据的基本形式，了解输入和输出的结构。作者提供了GitHub链接，展示了RL训练的具体步骤，并揭示了奖励函数的定义。

问题：

代码学习：

https://github.com/shawnwun/NNDIAL
https://github.com/MiuLab/DDQ

* The encoder modules contain:
- LSTM encoder      : an LSTM network that encodes the user utterance.
- RNN+CNN tracker   : a set of slot trackers that keep track of each slot/value pair across turns.
- DB operator       : a discrete database accessing component.

* The decoder modules contain:
- Policy network    : a decision-making module that produces the conditional vector for decoding.
- LSTM decoder      : an LSTM network that generates the system response.

构架：
在这里插入图片描述
data的基本形式：

DB:

输入的是：
输出的是：