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
标签：NLP,arXiv,论文,al,机器人,聊天,必读,文章,et From： https://blog.51cto.com/u_14122493/5751597