A Neural Conversational Model

무슨 일이야?

sequence2sequence 모델을 대화에 사용한 심플한 모델로 대화를 실현했다.

선행 연구에 비해 어디가 대단한가?

전통적인 대화 모델링 접근법은 특정 도메인 (예 : 비행기 티켓 예약)에 대한 것이었고 손으로 규칙을 작성해야했습니다. 제안하는 sequence2sequence 모델에서는 end-to-end에서 학습을 할 수 있으며 규칙도 거의 쓸 필요가 없다. Noisy한 도메인에서도 검증.

기술이나 기법의 키모는 어디?

sequence2sequence 모델을 사용하여 주어진 발화 또는 발화 이력에서 다음 발화를 예측합니다.

어떻게 유효하다고 검증했습니까?

클로즈 도메인의 데이터 세트와 오픈 도메인의 데이터 세트를 사용하여 학습하고, 작성한 모델에 대해 인간이 평가했다.
데이터 세트는 각각 다음과 같습니다.

클로즈 도메인: IT Helpdesk Troubleshooting dataset

오픈 도메인: movie transcript dataset

한 질문에 대한 대답방법을 기존의 대화 시스템(CleverBot)과 작성한 모델을 비교함으로써 했다.
작성한 모델에서는 200개의 질문 중 97이 바람직하고, CleverBot는 200중 60이 바람직하다는 결과가 되어 무사 승리.

논쟁이 있습니까?

일관성이 없기 때문에 튜링 테스트를 통과하는 것은 어려울 것 같다.

Human: what is your job ?
Machine: i ’m a lawyer .
Human: what do you do ?
Machine: i ’m a doctor .

다음에 읽어야 할 논문은?

Sequence to Sequence Learning with Neural Networks 가나.