终身学习和持续学习对话系统

在谈话中学习新知识：在工作中学习

新书在准备工作："终身和持续学习对话系统Sahisnu Mazumder和刘兵，2023（修订中）。

书："终身机器学习."作者：Z.Chen和B.Liu，Morgan&Claypool Publishers，2018年（第二版）。

持续学习对话系统-模型部署后的在职学习.教程@IJCAI-2021年8月21日至26日，加拿大蒙特利尔。
持续学习对话系统-模型部署后的学习2021年5月7日，在ICLR-21神经对话人工智能研讨会上受邀演讲。
开放世界中的在职学习。受邀演讲@ICML-2020持续学习研讨会，2020年7月17日。
终身机器学习教程标题：终身机器学习和计算机阅读网络，KDD-2016，2016年8月13日至17日，美国旧金山。
终身机器学习教程2015年7月25日至31日，IJCAI-2015，阿根廷布宜诺斯艾利斯。

尽管对话系统（聊天机器人）近年来非常流行，但它们仍然存在一些严重的缺陷，限制了其应用范围。一个主要缺点是，他们无法在对话过程中学习新知识，即他们的知识是事先固定的，无法在对话中扩展或更新。在这项工作中，我们建议为聊天机器人构建一个通用的知识学习引擎，以使他们能够在对话过程中持续、交互式地学习新知识。随着时间的推移，他们变得越来越有知识，越来越善于学习和交谈。这个学习过程就像人一样在工作中学习.

出版物

教科书：陈志远和刘冰。终身机器学习摩根克莱普尔出版社，2016年。

Bing Liu和Sahisnu Mazumder。终身和持续学习对话系统：对话中的学习.显示在AAAI-2021会议记录. 2021.
Sahisnu Mazumder、Bing Liu、Shuai Wang和Sepideh Esmaeilpour。使用交互式连续学习构建面向任务的聊天机器人的独立于应用程序的方法.出现在NeurIPS-2020人在回路对话系统研讨会（HLDS-2020）. 2020.
Sahisnu Mazumder、Bing Liu、Nianzu Ma、Shuai Wang。验证对话中持续互动的事实知识学习.出现在NeurIPS-2020人与机器在环评估和学习策略研讨会（HAMLETS-2020）. 2020.
刘冰冰和处和美。基于规则的对话系统中的终身知识学习.arXiv:2011.09811[cs.AI]，2020年。
Bing Liu和Sahisnu Mazumder。终身学习对话系统：在工作中自我学习的聊天机器人.arXiv:2009.10750[cs.CL]，2020年9月22日。
Sahisnu Mazumder、Bing Liu、Shuai Wang、Sepideh Esmaeilpour。构建与应用程序无关的自然语言接口.arXiv:1910.14084[cs.CL]，2019年10月30日。
Sahisnu Mazumder、Bing Liu、ShuaiWang、Nianzu Ma。对话中事实知识的终身互动学习.显示在话语与对话特别利益小组年度会议记录（SIGDIAL-2019）2019年9月11日至13日，瑞典斯德哥尔摩。
Sahisnu Mazumder、Nianzu Ma、Bing Liu。面向聊天机器人的持续知识学习引擎.arXiv:1802.06024[cs.CL]，2018年2月16日。
上一个标题: "面向人机对话中终身交互式知识学习的引擎".

创建日期：2018年1月24日刘冰（Bing Liu）.