文件名称：DNN-DST:使用深度神经网络进行对话状态跟踪
文件大小：12KB
文件格式：ZIP
更新时间：2024-07-02 14:54:57
Python
DNN-DST 使用深度神经网络进行对话状态跟踪 这是我的硕士论文使用深度信念网络进行对话状态跟踪的工作。 您可以在阅读有关对话框状态跟踪的更多信息 Vectorize.py 从 DSTC 训练集中给出的日志文件中提取相关信息，并将它们转换为一组特征向量。 我们使用的功能基于 Henderson 等人在他们的论文“对话状态跟踪挑战的深度神经网络方法”中使用的功能 StackedRBM.py 是我们的深度信念网络的实现，它基于蒙特利尔大学 LISA 实验室的深度信念网络的实现 。 最初的实现是为与 MNIST 数据集一起使用而设计的，因此添加了一些用于正确加载特征向量的函数，并更改了预训练/训练以适应新数据集。
【文件预览】：
DNN-DST-master
----StackedRBM.py(23KB)
----LogisticRegression_tied.py(3KB)
----README.md(1KB)
----Vectorize.py(12KB)