任务型对话数据集调研——其他
任务型对话数据集调研——其他 上回说到了任务型对话的数据集的构建方式主要有 machine-to-machine、human-to-machine 和 human-to-human 三种，并介绍了一下 human-to-human 数据集的代表 MultiWOZ 系列，那么今天就再讲一讲在任务型对话中的使用其他构造方法构造的常用的数据集。 1 SGD 数据集 SGD 数据集是 dstc8 大赛公布
Only(AR) 的编程日记
任务型对话数据集调研——MultiWOZ 篇
任务型对话数据集调研——MultiWOZ 篇 最近为了毕设在做任务型对话（Task-Oriented Dialogue）方面的研究，也写了一篇关于任务型对话的小小介绍：任务型对话系统简介 - Only(AR)'s blog (onlyar.site)。然后几周都在忙着调研大模型在任务型对话中的应用和谈恋爱，一直对动手操作也没有什么头绪。慢慢我明白了，做一个方向的研究要从数据集开始下手，于是下定决心
任务型对话系统简介
任务型对话系统简介 1 三种对话系统概览 对于一个对话机器人而言，常见的对话形式有三种，分别是问答型（QA）、任务型（Task）和闲聊型（Chat）： 问答型（QA）：简单的一问一答的形式，机器人对用户提出的问题进行解析，在知识库已有的内容中查找并返回正确答案。对于机器人而言，每次问答均是独立的，与上下文信息无关。 任务型（Task）：主要指机器人为满足用户某一需求而产生的多轮对话，机器人通过理
Python爬虫框架——Scrapy入门实战
Python 爬虫框架——Scrapy 入门实战 1 框架简介 爬虫技术是一种自动化获取互联网上信息的技术，通过编写程序模拟人类浏览器的行为，爬虫可以访问并获取网页上的各种数据。它可以自动点击链接、填写表单、提取文本等，常用于搜索引擎的数据抓取、网站的数据分析与挖掘等领域。 举个例子，某一天你猫瘾犯了，一定要看大量的猫猫图片才能缓解，于是你准备从百度图片下载大量的猫猫照片。你一个个右键单击图片、保
Openai 模型实战——知识图谱构建
Openai 模型下游应用——知识图谱构建 本任务来自于笔者参加的阿里云天池大赛官网的比赛CCKS2023 开放环境下的知识图谱构建与补全评测任务一：指令驱动的自适应知识图谱构建。任务的实现方式很多，但是由于笔者刚刚接触 NLP 经验有限，就选择了使用 LLM 进行信息抽取和调优。赛后写出这样一篇文章总结，希望能给使用大模型实现相关任务的同学带来一些启发。 1 任务介绍 详细的任务介绍官网上有说明
后缀表达式的转化
后缀表达式的转化 感谢文章原作者西门蒸馍 将表达式转化为后缀表达式： 定义伪代码函数： read x ：读取 x （ x 为数据或运算符） top : 返回栈顶元素 append x : 将 x 追加到字符串后 pop : 返回并弹出栈顶元素 push x : 把 x 压栈 一、首先仅考虑 '+', '-' （即同一优先级） 对于：a+b+
Python日志模块-Logging的应用
大家在平时写代码的时候，基本上使用的都是使用print()来进行一些代码的调试，在较小的程序中这样做是可以的。但是在实际的工程项目中，我们需要保存程序运行的日志，以排查程序在某一个时候崩溃的具体原因，以便及时定位Bug进行抢救，而在python中，logging就可以十分灵活的帮助我们记录程序运行的过程的中的一些信息。
