隨著科學(xué)技術(shù)的發(fā)展,聊天機器人已經(jīng)不再只是科幻電影中的存在,對話系統(tǒng)也因為其巨大的潛力和市場價值受到越來越多的關(guān)注。任務(wù)型對話應(yīng)用通過在自然語言交互中收集信息和決策幫助人們完成特定事務(wù),減少人力成本。傳統(tǒng)的任務(wù)型對話應(yīng)用開發(fā)中,應(yīng)用開發(fā)者不但要關(guān)注特定的應(yīng)用場景,而且要完成意圖分類和識別,會話管理等諸多任務(wù)型對話應(yīng)用的通用功能。引入任務(wù)型對話應(yīng)用框架提供任務(wù)型對話應(yīng)用通用性和基礎(chǔ)性的功能可以大大降低相關(guān)開發(fā)工作的復(fù)雜度和工作量。本文設(shè)計和實現(xiàn)了任務(wù)型對話應(yīng)用框架。此框架提供了基于Web的界面,允許用戶輸入文字內(nèi)容,并分析用戶輸入的語句以確定用戶的意圖,在必要時通過與用戶的多輪對話明確用戶意圖,而后調(diào)用與用戶意圖對應(yīng)的服務(wù)接口滿足用戶需求,通過Web界面給出響應(yīng)。本文采用基于規(guī)則和神經(jīng)網(wǎng)絡(luò)的聯(lián)合意圖判定模型對用戶語句中的意圖進行判定。傳統(tǒng)規(guī)則匹配模型采用AIML規(guī)則語句實現(xiàn),神經(jīng)網(wǎng)絡(luò)意圖識別模型采用LSTM獲取語義特征輸出不同特征下的概率,再通過SoftMax函數(shù)歸一化分類結(jié)果。組合模型具備易修改和智能可訓(xùn)練的特點。本論文首先對任務(wù)型對話應(yīng)用框架的研究背景和相關(guān)技術(shù)進行介紹;并調(diào)研了對話... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１?Ｗｏｒｄ２Ｖｅｃ模型示意圖??

比如長短期記憶網(wǎng)絡(luò)（Ｌｏｎｇ?Ｓｈｏｒｔ－Ｔｅｒｍ?Ｍｅｍｏｒｙ，?ＬＳＴＭ）是一種時間遞歸神??經(jīng)網(wǎng)絡(luò)，能夠記住較長時間的歷史信息，多層網(wǎng)絡(luò)的ＬＳＴＭ可以更好地提取語料??特征達到更高的準確率［１３］。其網(wǎng)絡(luò)單元結(jié)構(gòu)如下圖２－３的ＬＳＴＭ單元結(jié)構(gòu)所示，??ＬＳＴＭ單元結(jié)構(gòu)上方的橫線表示單元結(jié)構(gòu)之間能夠互相傳遞單元結(jié)構(gòu)的狀態(tài)，同??時細胞單元通過三個門結(jié)構(gòu)來實現(xiàn)加入或者刪除信息［１４］，是上一個單元結(jié)構(gòu)??的輸出，ｘｔ是當(dāng)前單元的輸入，〇？是ｓｉｇｍｏｄ函數(shù)，其中遺忘門代表的函數(shù)的計算??７??

?池化層?全歸一ｆｔ？出??圖２－２神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)語句分類??比如長短期記憶網(wǎng)絡(luò)（Ｌｏｎｇ?Ｓｈｏｒｔ－Ｔｅｒｍ?Ｍｅｍｏｒｙ，?ＬＳＴＭ）是一種時間遞歸神??經(jīng)網(wǎng)絡(luò)，能夠記住較長時間的歷史信息，多層網(wǎng)絡(luò)的ＬＳＴＭ可以更好地提取語料??特征達到更高的準確率［１３］。其網(wǎng)絡(luò)單元結(jié)構(gòu)如下圖２－３的ＬＳＴＭ單元結(jié)構(gòu)所示，??ＬＳＴＭ單元結(jié)構(gòu)上方的橫線表示單元結(jié)構(gòu)之間能夠互相傳遞單元結(jié)構(gòu)的狀態(tài)，同??時細胞單元通過三個門結(jié)構(gòu)來實現(xiàn)加入或者刪除信息［１４］，是上一個單元結(jié)構(gòu)??的輸出，ｘｔ是當(dāng)前單元的輸入，〇？是ｓｉｇｍｏｄ函數(shù)，其中遺忘門代表的函數(shù)的計算??７??

【參考文獻】：
期刊論文
[1]任務(wù)型人機對話系統(tǒng)中的認知技術(shù)——概念、進展及其未來[J]. 俞凱,陳露,陳博,孫鍇,朱蘇.  計算機學(xué)報. 2015(12)
[2]統(tǒng)計與詞典相結(jié)合的領(lǐng)域自適應(yīng)中文分詞[J]. 張梅山,鄧知龍,車萬翔,劉挺.  中文信息學(xué)報. 2012(02)
[3]口語對話管理綜述[J]. 王菁華,鐘義信,王樅,劉建毅.  計算機應(yīng)用研究. 2005(10)



本文編號：3600198