当前位置:首页 > 探索 > 科学

编译器从KYLEWIGGERS公开发表在venturebea-首页

2020-11-20 19:12:01
本文摘要:在预先出版发行的论文中,微软公司的研究团队详细说明了他们的工作——对外开放领域的对话展开了无监督的上下文改写。首先,微软公司的研究团队用于伪数据对模型进行培训,这些伪数据通过提取上下文的关键词,将这些关键词放入完整对话中的最后一个词进行分解。

最近,微软公司的研究团队通过对上下文的建模进行了研究,得出了新的方法。这种方法需要通过上下文的历史记录重写对话中的最后一句话。那么,这是什么样的研究方法呢?KYLEWIGGERS的回说明了这篇文章,展开了不想改变的编译器。在预先出版发行的论文中,微软公司的研究团队详细说明了他们的工作——对外开放领域的对话展开了无监督的上下文改写。

对话

他们主张在改写质量和多次呼吁分解方面,他们的实验结果已经超过了最近的标准。正如研究者说明的那样,对话上下文明确提出了句子建模中没有的挑战。

研究

例如,主题的切换、联合提及(他、她、那个、他们等)、多年的依赖。大多数系统解决问题的方法是在最后一段时间添加关键词,或者使用AI来应对模型的自学数字,但是这种方法往往没有障碍。例如,无法自由选择正确的关键词,无法处理长的上下文等。

此时,是微软公司研究团队方法的地方。通过考虑语境信息,重新制定了对话中的最后一句话,是为了分解独立国家的语言,既没有相互参考,也没有依赖过去对话的其他语言。记录:【图像来源:Microsoft所有者:Microsoft推荐】以我喜欢喝咖啡为例。--为什么?好吃啊。

为什么不喜欢喝咖啡呢?好吃啊。这借出了那个和为什么。其中,那个是指对话中提到的咖啡,为什么是喜欢喝咖啡的简单形式。

建模

应对,研究人员设计了机械学习系统-上下文改写网络(根据:contextrewritwork、CRN),构建了从末端到末端的过程自动化。该系统由序列到序列模型组成,需要将相同长度的语言构成相同长度的改写句。此外,它还具有独立国家的注意力机制。这个机制需要通过最后一个单词中的不同单词来帮助它从上到下复制单词。

那么,该系统是如何设计的呢?首先,微软公司的研究团队用于伪数据对模型进行培训,这些伪数据通过提取上下文的关键词,将这些关键词放入完整对话中的最后一个词进行分解。并且,为了使最后的呼吁影响改写过程,他们利用加强自学,推进系统朝着目标前进。

对话

记录:【图像来源:Microsoft所有者:Microsoft】在一系列实验中,该团队评价了他们的方法在一些改写质量、淘汰赛呼吁分解、淘汰赛呼吁自由选择和基于终端到终端搜索的任务中的应用。他们注意到,由于他们的模型偏向于从上下文中提取更好的单词,这个模型在加强自学后有时不会显得不稳定,但这明显提高了语言的多样性。

微软公司的研究团队指出,他们的工作走向了更难解释和更容易控制的上下文建模。此外,该研究团队还回应说,他们的模式可以从喧闹的境界中提取最重要的关键词,将这些关键词放入最后的语言中,不仅容易控制和说明,还有助于将信息传递到最后的语言中。(公共编号:)记录:本文编译器从KYLEWIGGERS公开发表在venturebeat中的文章。

原始文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:博亚体育app,微软公司,呼吁,对话

本文来源:博亚体育app-www.sakura-drops.com

热门推荐