sunset1995 / Talk2AI_Contest

科技大擂台 與AI對話

科技部科技大擂台 與AI對話 熱身賽

隊名：現充與現充與魯蛇 隊員：ChiWeiHsiao, sunset, SouthRa

我們嘗試過的方法:

• naive
  • count 下句的詞在上句出現幾次
  • 將一句話 word2vec 後的 vector 取(加權)平均，算上下句的 cosine similarity
• dual-lstm
  • 兩個不同的 rnn encode 上下句後，sigmoid(u, Mv) 來 train 其認識上下句
  • 用 sigmoid(u, Mv) 來代表為上下句的機率
  • 用 u, v 的 cosine similarity
• rnn-encoder
  • 同 dual-lstm 但上下句的 rnn 為 shared weights
• smn
  • Sequential Matching Network: A New Architecture for Multi-turn Response Selection in Retrieval-Based Chatbots

最後版本：選 variance 高的多個 model 的答案做 voting

• dual-lstm (dual-lstm 的 rnn-encoder 差異性較小，但 dual-lstm 表現較好故選之)
• 多個 train deep model 時 fine-tuned 過的 word2vec 跑 naive 方法，總票數比 dual-lstm 少
• smn 沒時間 tune 跟 train

熱身賽決賽預賽結果：

隊伍	語音分數(現場運氣)	文本分數	總分
現充與現充與魯蛇	0.6756	0.5810	0.6094
other team	0.7567	0.5185	0.5899
other team	0.5945	0.4955	0.5252
other team	0.5945	0.4890	0.5206
other team	0.6216	0.4725	0.5172
other team	0.5945	0.4695	0.5070
other team	0.4864	0.4780	0.4805
other team	0.4864	0.4565	0.4654
other team	0.4864	0.4500	0.4609
other team	0.5135	0.4320	0.4564

熱身賽決賽四強結果：

隊伍	語音分數(現場運氣)	文本分數	總分
現充與現充與魯蛇	0.6101	0.5875	0.5943
other team	0.4915	0.5190	0.5107
other team	0.4915	0.5105	0.5048
other team	0.4237	0.5135	0.4865