這一期主要介紹兩篇個(gè)關(guān)于seq2seq的論文它改,這是一個(gè)類(lèi)似于編碼-解碼的模型遣妥,用在對(duì)話系統(tǒng)比較多品姓,我對(duì)于這一塊也是在逐漸了解疆拘,這次分享的文章就是關(guān)于此類(lèi)模型的蜕猫。
1.Topic Aware Neural Response Generation
論文來(lái)源:https://arxiv.org/abs/1606.08340
簡(jiǎn)介:這篇工作通過(guò)在seq2seq的基礎(chǔ)上添加了一個(gè)topic attention,使得decoder在生成對(duì)話時(shí)更具有topic相關(guān)性哎迄。
2.Sharp Models on Dull Hardware: Fast and Accurate Neural Machine Translation Decoding on the CPU
論文來(lái)源:http://cn.arxiv.org/abs/1705.01991
簡(jiǎn)介:本文是一篇工程性比較強(qiáng)的工作回右,來(lái)自微軟研究院。解碼是在 CPU 上做漱挚,文中提供了 5 種加速 decoding 的方法翔烁,將速度提升了 4.4 倍,而且沒(méi)有影響準(zhǔn)確度旨涝。