ner

故事发生在波士顿一家大型律师事务所。阿伦·索尔（詹姆斯·斯派德 James Spader 饰）生性古怪叛逆，做事不拘一格，既是身经百战的金牌律师，又是充满正义心和同情心的风趣男人，无论在生活中还是法庭上，他都光芒万丈；丹尼·克莱恩（威廉·夏特纳 William Shat ner 饰）是事务所最资深合伙人，一生打赢过六千多场官司，如今被阿兹海默困扰，但丝毫不服老，也不认为自己有病。一对活宝碰到一块，经常做出乖张举动，令事务所大领导雪莉·施密特（坎迪丝·伯根 Candice Bergen 饰）头疼不已

这篇文章将简单介绍seq2seq模型+attention机制，以及在这个模型下，字符级逐字的输入和输出任务产生的句向量的特性。 许久未更博了，在前段时间测试了用seq2seq做ner任务，可以参考之前的文章《RNN的Seq2Seq模型做命名实体识别》 ，之后通过NER做NLU，再加上RL尝试多轮对话，结果达到了期望，但是还有很多工作需要去做，多轮语料采集、句子相似度、句向量，在多轮对话中，我没有尝试将每句话进行分类，我认为句子本身表意就非常清晰，标注反而画蛇添足，特别是上下文中的句子，其意思根据上下文而变化。那么对话中去匹配距离最近的句子，并且人为的反馈，可能是一个多轮对话的主要方式