The Ones ——深度学习框架 Keras 作者出书

【AI100 导读】本周的 The Ones 为大家推荐了一篇 GAN 在 Chatbot 领域应用的 paper，一个基于 matlab 的深度学习框架 Lightnet，一篇述说机器翻译真实现状的深度文章，一张描述 Chatbot pipeline 的图，一本来自 Keras 作者的书，旨在帮助零基础的同学通过实例来学习深度学习。

1. One Paper

Adversarial Learning for Neural Dialogue Generation

链接：

https://arxiv.org/abs/1701.06547

GAN 的火热逐渐地烧到了自然语言处理中，尤其是自然语言生成 NLG 任务上，本文工作来自 Jiwei Li，一个高产的作者。对 GAN 和 chatbot 感兴趣的童鞋可以好好读一下。

2. One Code

LightNet

推荐一个基于 matlab 的深度学习框架，包括了常见的 CNN、RNN 模型和各种模块以及增强学习，支持 cpu 和 gpu 两种训练模式，简单易用，方便灵活。感兴趣的童鞋可以看过来，fork 一下。

相关论文地址：

https://arxiv.org/abs/1605.02766

代码地址：

https://github.com/yechengxi/LightNet

3. One Deep

2016年机器翻译应用非常热，不仅仅是在研究方面，更是在商用系统上。近日一篇题为《搞机器翻译的不要吹牛，搞机器翻译的不要吓人》的文章给过热的媒体和舆论浇了一盆冷水，作者是一位来自北京语言大学的教师，通过一些实例来说明神经机器翻译系统仍有很大的提升空间，对于研究者来说也有很长的路要走。

原博文可见：

http://weibo.com/ttarticle/p/show?id=2309404067598500294509

4. One Picture

一个完整的口语对话系统（Chatbot）包括了上图中的六个部件，其中最关键的、也是最难的是语义理解的部分 SLU。其实，每一个部件的准确率对于下一个部件的影响很大，“误差”的传播将会导致对话系统的效果不理想，与用户的预期相差太多。对于特定任务的 Chatbot，现有的语义理解部件通常使用一种名为 slot filling 的手段进行处理，简单点理解就是从用户的请求中抽取出相应的参数来，比如时间、地点等，但这和真正地理解语义有很大的差距。语义理解不解决，真正好用、通用、实用的 Chatbot 就还有很长的路要走。

5. One Book

《Deep Learning with Python》

本书的作者是 Google 的研究员，开源深度学习框架 Keras 的作者 Francois Chollet，书中通过用 Python 解决现实中的问题为线索来展开，包括：图像分类、语音识别、问答系统、OCR 等等任务。Keras 是一个非常简单易用的二次框架，以 Theano 和 Tensorflow 为底层框架，使用风格与 Torch 类似。

本书主页：

https://www.manning.com/books/deep-learning-with-python

本文为 AI100 原创，转载需获同