乾明 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
乾明 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
阿里巴巴，AI開源又有新動作。
這次是人機對話模型ESIM，全稱Enhanced Sequential Inference Model，一種增強序列推斷模型。
阿里介紹稱，自2017年首次提出以來，這一研究已被谷歌、Facebook等在內的研究者在論文中引用200多次，也一度在國際頂級對話系統評測大賽（DSTC7）上獲得雙料冠軍，將人機對話準確率的世界紀錄提升至94.1%。
這一模型的主要應用場景為智能客服、導航軟件、智能音箱等，現在已經被阿里巴巴應用到語音點餐機、地鐵語音售票機、汽車交互系統等應用中。
乾明 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
阿里巴巴，AI開源又有新動作。
這次是人機對話模型ESIM，全稱Enhanced Sequential Inference Model，一種增強序列推斷模型。
阿里介紹稱，自2017年首次提出以來，這一研究已被谷歌、Facebook等在內的研究者在論文中引用200多次，也一度在國際頂級對話系統評測大賽（DSTC7）上獲得雙料冠軍，將人機對話準確率的世界紀錄提升至94.1%。
這一模型的主要應用場景為智能客服、導航軟件、智能音箱等，現在已經被阿里巴巴應用到語音點餐機、地鐵語音售票機、汽車交互系統等應用中。
開源地址：
https://github.com/alibaba/esim-response-selection
ESIM是什麼？
ESIM首次提出是在2017年，論文的名稱中就給出了直接的介紹：
Enhanced LSTM for Natural Language Inference，應用到自然語言推斷的強化版LSTM。
從論文給出的模型架構圖來看，ESIM模型由三個部分組成（下圖左邊部分是ESIM模型，右側部分表示包含語法分析信息的網絡）：輸入編碼（Input Encoding）、局部推斷建模（Local Inference Modeling）和推斷合成（Inference Composition）。
乾明 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
阿里巴巴，AI開源又有新動作。
這次是人機對話模型ESIM，全稱Enhanced Sequential Inference Model，一種增強序列推斷模型。
阿里介紹稱，自2017年首次提出以來，這一研究已被谷歌、Facebook等在內的研究者在論文中引用200多次，也一度在國際頂級對話系統評測大賽（DSTC7）上獲得雙料冠軍，將人機對話準確率的世界紀錄提升至94.1%。
這一模型的主要應用場景為智能客服、導航軟件、智能音箱等，現在已經被阿里巴巴應用到語音點餐機、地鐵語音售票機、汽車交互系統等應用中。
開源地址：
https://github.com/alibaba/esim-response-selection
ESIM是什麼？
ESIM首次提出是在2017年，論文的名稱中就給出了直接的介紹：
Enhanced LSTM for Natural Language Inference，應用到自然語言推斷的強化版LSTM。
從論文給出的模型架構圖來看，ESIM模型由三個部分組成（下圖左邊部分是ESIM模型，右側部分表示包含語法分析信息的網絡）：輸入編碼（Input Encoding）、局部推斷建模（Local Inference Modeling）和推斷合成（Inference Composition）。
首先，在輸入編碼階段，輸入前提（Premise）和假設（Hypothesis）。在這一部分，BiLSTM學習如何表示一個單詞及其上下文。
其次，在局部推斷建模階段。使用基於注意力的軟對齊，來獲得前提和假設之間的局部相關性。
最後，為了確定前提和假設之間的總體推斷關係，使用一個組合層來合成增強的局部推斷信息。
在序列推斷模型中，繼續使用BiLSTM序列來合成局部推斷信息，然後將結果向量轉化為池化的固定長度向量，並將其提供給最終的分類器來確定總體推斷關係。
更多細節，請收好論文鏈接：
https://arxiv.org/abs/1609.06038
模型發佈之後，便引發了極大關注，不僅在DSTC 7上拿下冠軍，還成為了許多新發布數據集的評測標準之一，比如紐約大學的MultiNLI數據集、華盛頓大學的SWAG數據集等等。
DSTC 7冠軍論文：
Sequential Attention-based Network for Noetic End-to-End Response Selection
https://arxiv.org/abs/1901.02609
達摩院90後科學家研發
ESIM模型，最初由達摩院語音實驗室的陳謙等人研發。
陳謙，27歲，90後，博士畢業於中科大。2018年加入阿里巴巴，是2018屆的阿里星之一。
進入阿里之後，取花名潭清，也是達摩院中最年輕的科學家之一。
在今年的國際頂級語音會議ICASSP 2019上，陳謙再度大放異彩：基於ESIM的研究在公開的標準數據集Ubuntu（英文）和E-commerce（中文）上均取得了最高的成績。
乾明 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
阿里巴巴，AI開源又有新動作。
這次是人機對話模型ESIM，全稱Enhanced Sequential Inference Model，一種增強序列推斷模型。
阿里介紹稱，自2017年首次提出以來，這一研究已被谷歌、Facebook等在內的研究者在論文中引用200多次，也一度在國際頂級對話系統評測大賽（DSTC7）上獲得雙料冠軍，將人機對話準確率的世界紀錄提升至94.1%。
這一模型的主要應用場景為智能客服、導航軟件、智能音箱等，現在已經被阿里巴巴應用到語音點餐機、地鐵語音售票機、汽車交互系統等應用中。
開源地址：
https://github.com/alibaba/esim-response-selection
ESIM是什麼？
ESIM首次提出是在2017年，論文的名稱中就給出了直接的介紹：
Enhanced LSTM for Natural Language Inference，應用到自然語言推斷的強化版LSTM。
從論文給出的模型架構圖來看，ESIM模型由三個部分組成（下圖左邊部分是ESIM模型，右側部分表示包含語法分析信息的網絡）：輸入編碼（Input Encoding）、局部推斷建模（Local Inference Modeling）和推斷合成（Inference Composition）。
首先，在輸入編碼階段，輸入前提（Premise）和假設（Hypothesis）。在這一部分，BiLSTM學習如何表示一個單詞及其上下文。
其次，在局部推斷建模階段。使用基於注意力的軟對齊，來獲得前提和假設之間的局部相關性。
最後，為了確定前提和假設之間的總體推斷關係，使用一個組合層來合成增強的局部推斷信息。
在序列推斷模型中，繼續使用BiLSTM序列來合成局部推斷信息，然後將結果向量轉化為池化的固定長度向量，並將其提供給最終的分類器來確定總體推斷關係。
更多細節，請收好論文鏈接：
https://arxiv.org/abs/1609.06038
模型發佈之後，便引發了極大關注，不僅在DSTC 7上拿下冠軍，還成為了許多新發布數據集的評測標準之一，比如紐約大學的MultiNLI數據集、華盛頓大學的SWAG數據集等等。
DSTC 7冠軍論文：
Sequential Attention-based Network for Noetic End-to-End Response Selection
https://arxiv.org/abs/1901.02609
達摩院90後科學家研發
ESIM模型，最初由達摩院語音實驗室的陳謙等人研發。
陳謙，27歲，90後，博士畢業於中科大。2018年加入阿里巴巴，是2018屆的阿里星之一。
進入阿里之後，取花名潭清，也是達摩院中最年輕的科學家之一。
在今年的國際頂級語音會議ICASSP 2019上，陳謙再度大放異彩：基於ESIM的研究在公開的標準數據集Ubuntu（英文）和E-commerce（中文）上均取得了最高的成績。
論文鏈接：
Sequential Attention-based Network for Noetic End-to-End Response Selection
https://arxiv.org/abs/1901.02609
阿里巴巴這次開源項目，便是圍繞著這一論文進行的。
最後，再放一下開源鏈接：
https://github.com/alibaba/esim-response-selection
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回覆“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態
相關推薦
