隨著人工智能技術(shù)的發(fā)展,人與智能設(shè)備之間的交互方式逐漸趨于智能化,人們可以通過與智能機(jī)器人進(jìn)行多輪的對(duì)話交互,從而完成某項(xiàng)任務(wù)或某項(xiàng)服務(wù)。對(duì)話管理作為人機(jī)對(duì)話系統(tǒng)中的一個(gè)重要組成部分,包含了對(duì)話狀態(tài)跟蹤和對(duì)話策略兩個(gè)部分。對(duì)話狀態(tài)跟蹤模塊實(shí)時(shí)追蹤并更新對(duì)話的狀態(tài),對(duì)話策略模塊在對(duì)話狀態(tài)跟蹤的基礎(chǔ)上,分析得出系統(tǒng)響應(yīng)的動(dòng)作。對(duì)話管理的性能直接影響到對(duì)話系統(tǒng)的性能,因此,任務(wù)型對(duì)話系統(tǒng)中對(duì)話管理的研究與應(yīng)用具有重要的意義。對(duì)話狀態(tài)跟蹤任務(wù)面臨著模塊間誤差傳遞和數(shù)據(jù)稀疏的問題。對(duì)話策略模塊目前面臨的主要問題是缺少訓(xùn)練數(shù)據(jù)冷啟動(dòng)的問題和如何構(gòu)建考慮知識(shí)庫(kù)搜索結(jié)果的對(duì)話策略模型的問題。本文針對(duì)上述問題開展了一系列工作,主要內(nèi)容包括:針對(duì)對(duì)話狀態(tài)跟蹤中誤差傳遞和數(shù)據(jù)稀疏的問題,本文構(gòu)建了自然語言理解和對(duì)話狀態(tài)跟蹤的聯(lián)合模型。模型使用基于雙向循環(huán)網(wǎng)絡(luò)的編碼器,對(duì)系統(tǒng)動(dòng)作、用戶話語和候選槽-值對(duì)進(jìn)行編碼。在公開英文數(shù)據(jù)集和自有中文數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文提出的模型取得了比現(xiàn)有模型更好的性能,在聯(lián)合目標(biāo)準(zhǔn)確率上較對(duì)比模型分別提升了17.5%、4.6%、3.9%、4.1%、0.2%。模型有效地緩解了數(shù)... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

任務(wù)型對(duì)話系統(tǒng)的組成部分本文的主要研究?jī)?nèi)容是任務(wù)型對(duì)話系統(tǒng)中對(duì)話管理模塊當(dāng)中的兩個(gè)子任務(wù)：對(duì)話狀

第一章緒論3的設(shè)計(jì)者提前規(guī)定動(dòng)作的取值范圍。訂餐館任務(wù)中的人機(jī)對(duì)話的例子如圖1-2(a)所示。系統(tǒng)首先引導(dǎo)用戶提供餐館的地點(diǎn)、價(jià)位和食物類型等信息，用戶隨后給出了目標(biāo)約束：希望找到價(jià)格便宜并且地點(diǎn)在南邊的餐廳；接著系統(tǒng)詢問用戶食物類型的偏好，用戶表示沒有要求；然后系統(tǒng)通過用戶給出的約束條件搜索到了名為“l(fā)uckystar”的餐館；用戶繼續(xù)詢問系統(tǒng)該餐館的電話號(hào)碼和地址。在此對(duì)話過程中，系統(tǒng)的對(duì)話狀態(tài)跟蹤器在每一輪次結(jié)束后更新對(duì)話狀態(tài)，對(duì)話策略接收來自對(duì)話狀態(tài)跟蹤模塊輸出的對(duì)話狀態(tài)表示，決策出系統(tǒng)的響應(yīng)動(dòng)作，其狀態(tài)更新過程和系統(tǒng)動(dòng)作如圖1-2(b)所示。圖1-2(a)訂餐館任務(wù)中的人機(jī)對(duì)話示例(b)訂餐任務(wù)中對(duì)話狀態(tài)更新過程示例1.1.2研究意義在任務(wù)型對(duì)話系統(tǒng)中，系統(tǒng)需要擁有把控用戶目標(biāo)意圖的能力，實(shí)時(shí)跟蹤對(duì)話的狀態(tài)。對(duì)話狀態(tài)決定系統(tǒng)的決策和響應(yīng)，而在真實(shí)環(huán)境下，對(duì)話狀態(tài)通常是不完全可觀測(cè)的。此外，用戶使用自然語言與系統(tǒng)進(jìn)行對(duì)話具有很強(qiáng)的口語性，包括使用代詞、省略句等復(fù)雜情況，同時(shí)用戶的意圖和目標(biāo)可能在對(duì)話的過程中發(fā)生改變。因此，在任務(wù)型的對(duì)話系統(tǒng)中，考慮對(duì)話歷史上下文的對(duì)話狀態(tài)跟蹤具有十分重要的研究意義[14,15]。

第一章緒論5（5）構(gòu)建了基于多輪對(duì)話的音樂搜索系統(tǒng)，將基于層次化結(jié)構(gòu)的狀態(tài)跟蹤模型應(yīng)用在系統(tǒng)的自然語言理解和對(duì)話狀態(tài)跟蹤聯(lián)合建模上，解決考慮對(duì)話上下文的對(duì)話狀態(tài)跟蹤問題，同時(shí)將融合強(qiáng)化學(xué)習(xí)和屬性信息熵的對(duì)話策略方法應(yīng)用在系統(tǒng)的對(duì)話策略模塊中。對(duì)系統(tǒng)的模塊和模塊間的通信進(jìn)行了說明，并給出了系統(tǒng)的演示界面。論文的組織架構(gòu)如圖1-3所示。圖1-3本文的組織架構(gòu)圖第一章為緒論，主要介紹了本文選題的研究背景和意義，介紹了任務(wù)型對(duì)話系統(tǒng)的組成結(jié)構(gòu)，并給出了對(duì)話狀態(tài)跟蹤和對(duì)話策略任務(wù)的定義。最后交代了本文的主要研究?jī)?nèi)容和組織架構(gòu)。第二章介紹研究基礎(chǔ)及相關(guān)理論和技術(shù)，首先從基于規(guī)則、基于生成式模型和基于判別式模型三個(gè)方面分析了對(duì)話狀態(tài)跟蹤任務(wù)的研究現(xiàn)狀，并從基于有限狀態(tài)自動(dòng)機(jī)、基于填槽法和基于強(qiáng)化學(xué)習(xí)的策略模型三個(gè)方面分析了對(duì)話策略任務(wù)的研究現(xiàn)狀。然后分別介紹了對(duì)話狀態(tài)跟蹤任務(wù)和對(duì)話策略任務(wù)的相關(guān)理論和技術(shù)。第三章介紹本文提出的基于層次化建模的對(duì)話狀態(tài)跟蹤模型，描述了基于Bi-LSTM的編碼器和基于注意力機(jī)制的評(píng)分模型的設(shè)計(jì)和訓(xùn)練方法，同時(shí)在公開數(shù)據(jù)集和項(xiàng)目數(shù)據(jù)集兩種數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，并對(duì)結(jié)果進(jìn)行了分析。第四章主要介紹融合馬爾科夫獎(jiǎng)勵(lì)過程和屬性信息熵的對(duì)話策略模型，針對(duì)知識(shí)庫(kù)搜索型對(duì)話系統(tǒng)的冷啟動(dòng)問題，提出了融合馬爾科夫獎(jiǎng)勵(lì)過程和屬性信息熵的對(duì)話策略方法，并在基于多輪對(duì)話的音樂搜索任務(wù)中進(jìn)行了實(shí)驗(yàn)，驗(yàn)證了融合算法的有效性。


本文編號(hào)：3262170