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。
对话管理（Dialog Management, DM）控制着人机对话的过程，DM 根据对话历史信息，决定此刻对用户的反应。其主要功能包括：对话状态维护，生成系统决策，作为接口与后端/任务模型进行交互，答案生成等。
虽然状态机是常见的DM管理手段，但本篇不做介绍。本篇主要介绍用机器学习的方法进行对话策略管理的一些标志性论文。
作者&编辑 | 小Dream哥
1 CRF
第一篇介绍用机器学习方法进行对话状态管理的论文，文中介绍了用贝叶斯网络进行状态控制的理论和方法，蛮有启发意义。
文章引用量：较少
推荐指数：✦✦✦✧✧
[1] Henderson M. Machine Learning for Dialog State Tracking: A Review[J]. 2015.
2 NN based
最早的引入神经网络进行对话状态管理的研究，可以参考下他的思想。
文章引用量：100
推荐指数：✦✦✦✦✧
[2] Henderson M. Deep Neural Network Approach for the Dialog State Tracking Challenge[J]. 2013
[3]Neelakantan A , Roth B , Mccallum A . Compositional Vector Space Models for Knowledge Base Completion[J]. Computer Science, 2015:1-16.
3 stateNet
随着NLP的发展，DM也不断发展，开始引入状态网络等概念，不断的丰富对话管理的内容。
文章引用量：较多
推荐指数：✦✦✦✦✦
[4] Liliang Ren et al. Towards universal dialogue state tracking. Computer Science, 2018 EMNLP.
4 RL
在对话管理的研究中，强化学习是最近非常热的方向，这一篇是其中比较重要的工作。
文章引用量：较多
推荐指数：✦✦✦✦✦
[5] Lipton Z C , Li X , Gao J , et al. BBQ-Networks: Efficient Exploration in Deep Reinforcement Learning for Task-Oriented Dialogue Systems[J]. 2016.
5 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
转载文章请后台联系
侵权必究
