Глубокое обучение для диалоговых систем

Данная работа посвящена применению искусственных нейронных сетей в диалоговых системах, в частности для классификации диалоговых сессий на положительные и отрицательные с точки зрения человека. В работе рассмотрены и проанализированы методы классификации диалоговых сессий, применяемые в современных диалоговых системах, участвовавших в конкурсе Alexa Prize Challenge. В качестве основного метода классификации диалоговых сессий использовалась BERT архитектура нейронной сети. В работе также были рассмотрены другие подходы на основе bi-LSTM нейронных сетей. В дополнении были предложены алгоритмы аугментации тренировочных данных, которые позволили улучшить качество обучаемых моделей. Эксперименты проводились на закрытом наборе данных пользовательских диалоговых сессий в чат-боте https://replika.ai. Качество классификации пользовательских сессий оценивалось по метрикам accuracy, precision и recall. Ключевые слова: НЕЙРОННЫЕ СЕТИ, ДИАЛОГОВЫЕ СИСТЕМЫ, ГЛУБОКОЕ ОБУЧЕНИЕ