欢迎来到《每周NLP论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。

对于聊天机器人研究，可以追溯到上个世纪50年代的图灵测试。聊天机器人应用场景丰富，可应用于智能搜索，智能客服，家电控制等。是未来AI时代非常重要的交互方式和入口。这是一个极具前景，而又充满挑战的方向。本周推荐聊天机器人相关的论文，让大家能够迅速了解这样一个NLP领域。

作者&编辑 | 小Dream哥

1 对话系统综述

第一篇论文给到这篇微软出的聊天机器人综述式的文章。论文讲解全面而到位，介绍了聊天机器人的分类以及发展状况和工作原理。对于一位想切入聊天机器人领域的AI算法工程师来说，是一篇比较好的入门文章。

文章引用量：不多

推荐指数：✦✦✦✦✦

[1] Jianfeng Gao , Michel Galley , Lihong Li , et al. Neural Approaches to Conversational AI Question Answering, Task-Oriented Dialogues and Social Chatbots. arXiv:1809.08267v2

2 FAQ 

FAQ是目前应用的比较多的一种聊天机器人类型，像市场上的天猫精灵、小度等都属于FAQ的范畴。其特点是，单轮对话，可涉及的领域比较广。

因为BERT是趋势，这里介绍一篇基于BERT的FQA论文。

文章引用量：不多

推荐指数：✦✦✦✦✧

[2] Wataru Sakata , Tomohide Shibata , Ribeka Tanaka , et al. FAQ Retrieval using Query-Question Similarity and BERT-Based Query-Answer Relevance. arXiv:1905.02851v1.

3 生成式聊天机器人

生成式聊天机器人是研究的热点，其中基于seq2seq模式的生成式聊天机器人是其中的典型。虽然实际应用起来，效果不可控，但是这种模式是必须要了解的。

文章引用量：290+

推荐指数：✦✦✦✦✦

[3] Vinyals O , Le Q . A Neural Conversational Model[J]. Computer Science, 2015.

[4] Serban I V , Sordoni A , Bengio Y , et al. Building End-To-End Dialogue Systems Using Generative Hierarchical Neural Network Models[J]. 2015.

4 实际应用最多的对话系统

对话系统，一般是基于某一个领域，为帮助用户完成某一项任务而设计的聊天机器人。例如，某一个领域的客服，销售机器人等。因为要帮助用户完成某一项任务，因而会涉及意图识别、填槽以及对话管理等内容。

意图识别主要是语义匹配及文本分类；填槽主要是实体识别；其中最复杂的是对话管理，它决定了机器人在接受用户输入之后，下一步做什么回应。

文章引用量：100+

推荐指数：✦✦✦✧✧

[5] Siqi Bao, Huang He, Fan Wang, et al. Know More about Each Other: Evolving Dialogue Strategy via Compound Assessment. arXiv:1906.00549v1

[6]Qian Chen , Zhu Zhuo. BERT for Joint Intent Classifification and Slot Filling.arXiv:1902.10909v1

5 一个实现的例子

微软小冰是一个聊天机器人中不错的例子，微软在NLP方面确实有不俗的实力。下面给出一个微软小冰实现的介绍，期待早日开源。

文章引用量：较少

推荐指数：✦✦✦✦✧

[7] Li Zhou, Jianfeng Gao. et al. The Design and Implementation of XiaoIce, an Empathetic Social Chatbot. arXiv preprint arXiv:1902.10909v1

6 如何获取文章与交流

找到有三AI开源项目即可获取。

https://github.com/longpeng2008/yousan.ai

文章细节众多，阅读交流在有三AI-NLP知识星球中进行，感兴趣可以加入。

总结

以上就是NLP聊天机器人中一些比较代表性的文章，下一期我们将具体介绍FAQ的文章。

有三AI夏季划

有三AI夏季划进行中，欢迎了解并加入，系统性成长为中级CV算法工程师。

转载文章请后台联系

侵权必究

往期精选

• 【NLP】自然语言处理专栏上线，带你一步一步走进“人工智能技术皇冠上的明珠”。

• 【NLP】用于语音识别、分词的隐马尔科夫模型HMM

• 【NLP】用于序列标注问题的条件随机场（Conditional Random Field, CRF）

• 【NLP】经典分类模型朴素贝叶斯解读

• 【NLP】 NLP专栏栏主自述，说不出口的话就交给AI说吧

• 【NLP】 深度学习NLP开篇-循环神经网络(RNN)

• 【NLP】 NLP中应用最广泛的特征抽取模型-LSTM

• 【NLP】 聊聊NLP中的attention机制

• 【NLP】 理解NLP中网红特征抽取器Tranformer

• 【NLP】TransformerXL：因为XL，所以更牛

• 【NLP】 深入浅出解析BERT原理及其表征的内容

• 【NLP】XLnet：GPT和BERT的合体，博采众长，所以更强

• 【每周NLP论文推荐】从预训练模型掌握NLP的基本发展脉络

• 【每周NLP论文推荐】 NLP中命名实体识别从机器学习到深度学习的代表性研究

• 【每周NLP论文推荐】 介绍语义匹配中的经典文章

• 【技术综述】深度学习在自然语言处理中的应用