乾明 发自 凹非寺
量子位 报道 | 公众号 QbitAI
阿里巴巴，AI开源又有新动作。
这次是人机对话模型ESIM，全称Enhanced Sequential Inference Model，一种增强序列推断模型。
阿里介绍称，自2017年首次提出以来，这一研究已被Google、Facebook等在内的研究者在论文中引用200多次，也一度在国际顶级对话系统评测大赛（DSTC7）上获得双料冠军，将人机对话准确率的世界纪录提升至94.1%。
这一模型的主要应用场景为智慧客服、导航软件、智慧音箱等，现在已经被阿里巴巴应用到语音点餐机、地铁语音售票机、汽车互动系统等应用中。
开源地址：
https://github.com/alibaba/esim-response-selection
ESIM是什么？
ESIM首次提出是在2017年，论文的名称中就给出了直接的介绍：
Enhanced LSTM for Natural Language Inference，应用到自然语言推断的强化版LSTM。
从论文给出的模型架构图来看，ESIM模型由三个部分组成（下图左边部分是ESIM模型，右侧部分表示包含语法分析资讯的网络）：输入编码（Input Encoding）、区域性推断建模（Local Inference Modeling）和推断合成（Inference Composition）。
首先，在输入编码阶段，输入前提（Premise）和假设（Hypothesis）。在这一部分，BiLSTM学习如何表示一个单词及其上下文。
其次，在区域性推断建模阶段。使用基于注意力的软对齐，来获得前提和假设之间的区域性相关性。
最后，为了确定前提和假设之间的总体推断关系，使用一个组合层来合成增强的区域性推断资讯。
在序列推断模型中，继续使用BiLSTM序列来合成区域性推断资讯，然后将结果向量转化为池化的固定长度向量，并将其提供给最终的分类器来确定总体推断关系。
更多细节，请收好论文连结：
https://arxiv.org/abs/1609.06038
模型释出之后，便引发了极大关注，不仅在DSTC 7上拿下冠军，还成为了许多新发布资料集的评测标准之一，比如纽约大学的MultiNLI资料集、华盛顿大学的SWAG资料集等等。
DSTC 7冠军论文：
Sequential Attention-based Network for Noetic End-to-End Response Selection
https://arxiv.org/abs/1901.02609
达摩院90后科学家研发
ESIM模型，最初由达摩院语音实验室的陈谦等人研发。
陈谦，27岁，90后，博士毕业于中科大。2018年加入阿里巴巴，是2018届的阿里星之一。
进入阿里之后，取花名潭清，也是达摩院中最年轻的科学家之一。
在今年的国际顶级语音会议ICASSP 2019上，陈谦再度大放异彩：基于ESIM的研究在公开的标准资料集Ubuntu（英文）和E-commerce（中文）上均取得了最高的成绩。
论文连结：
Sequential Attention-based Network for Noetic End-to-End Response Selection
https://arxiv.org/abs/1901.02609
阿里巴巴这次开源专案，便是围绕着这一论文进行的。
最后，再放一下开源连结：
https://github.com/alibaba/esim-response-selection
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ\'ᴗ\' ի 追踪AI技术和产品新动态
