隨著人工智能的發(fā)展,語(yǔ)音識(shí)別技術(shù)和自然語(yǔ)言處理技術(shù)越來(lái)越成熟,許多公司推出了一系列智能助手產(chǎn)品。這些技術(shù)和產(chǎn)品極大地影響著人們的生活,使得人類和計(jì)算機(jī)可以直接交流。人與智能助手通過(guò)自然語(yǔ)言溝通很可能成為一種主流的人機(jī)交互方式。在這樣的背景下,智能助手在工程應(yīng)用領(lǐng)域存在巨大的應(yīng)用前景。在車(chē)間場(chǎng)景中,,相比較于通過(guò)鍵盤(pán)和觸摸屏手動(dòng)輸入工程信息,通過(guò)智能助手直接命令可以作為查詢和檢索一些工程數(shù)據(jù)時(shí)的替代方式。本文設(shè)計(jì)開(kāi)發(fā)了一款A(yù)lexa技能作為工程數(shù)據(jù)的檢索應(yīng)用,旨在利用亞馬遜的智能助手Alexa對(duì)工程數(shù)據(jù)進(jìn)行操作。用戶可以利用語(yǔ)音命令智能助手,對(duì)數(shù)據(jù)庫(kù)中的工程數(shù)據(jù)執(zhí)行查詢、添加及修改操作,并可以使用后退和幫助的功能。亞馬遜為開(kāi)發(fā)人員提供了大量用于開(kāi)發(fā)Alexa技能的平臺(tái)和產(chǎn)品。亞馬遜開(kāi)發(fā)者控制臺(tái)可以用來(lái)設(shè)計(jì)技能的交互模型,Lambda平臺(tái)用于設(shè)計(jì)技能所需的計(jì)算服務(wù),Dynamo DB作為數(shù)據(jù)庫(kù)用于保存所有工程數(shù)據(jù)。本文采用上述三種工具對(duì)技能的交互模型、計(jì)算服務(wù)和數(shù)據(jù)庫(kù)進(jìn)行開(kāi)發(fā),并將這些部分組合形成了最后的技能。經(jīng)過(guò)測(cè)試,本文所設(shè)計(jì)的Alexa技能可以實(shí)現(xiàn)所需的功能。此外,Alexa與用戶進(jìn)... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 智能助手
        1.2.2 意圖識(shí)別
    1.3 本文主要研究?jī)?nèi)容
        1.3.1 用于工程數(shù)據(jù)處理的Alexa技能開(kāi)發(fā)
        1.3.2 對(duì)于Alexa用戶命令意圖識(shí)別能力的優(yōu)化
    1.4 本文的結(jié)構(gòu)安排
第二章 智能助手原理與意圖識(shí)別概述
    2.1 Alexa工作原理
        2.1.1 自動(dòng)語(yǔ)音識(shí)別
        2.1.2 語(yǔ)音合成
        2.1.3 語(yǔ)義識(shí)別與對(duì)話管理
    2.2 Alexa技能需求分析
        2.2.1 Alexa技能分類
        2.2.2 功能性需求分析
        2.2.3 非功能性需求分析
    2.3 技能開(kāi)發(fā)工具
        2.3.1 交互模型設(shè)計(jì)平臺(tái)
        2.3.2 計(jì)算服務(wù)開(kāi)發(fā)平臺(tái)
        2.3.3 技能所需的數(shù)據(jù)庫(kù)
    2.4 對(duì)Alexa意圖識(shí)別功能的優(yōu)化
        2.4.1 用戶意圖識(shí)別
        2.4.2 文本表示的向量模型
        2.4.3 語(yǔ)言模型
        2.4.4 分類算法
    2.5 本章小結(jié)
第三章 Alexa技能的實(shí)現(xiàn)與驗(yàn)證
    3.1 數(shù)據(jù)庫(kù)
    3.2 交互模型建立
    3.3 計(jì)算服務(wù)
        3.3.1 Lambda平臺(tái)配置
        3.3.2 連接數(shù)據(jù)庫(kù)
        3.3.3 交互模型的信息輸入
        3.3.4 激活函數(shù)
        3.3.5 處理啟動(dòng)請(qǐng)求
        3.3.6 處理意圖請(qǐng)求
        3.3.7 回復(fù)響應(yīng)
    3.4 技能的整合與驗(yàn)證
        3.4.1 Lambda平臺(tái)
        3.4.2 亞馬遜開(kāi)發(fā)者控制臺(tái)的驗(yàn)證
        3.4.3 基于智能音箱的驗(yàn)證
    3.5 本章小結(jié)
第四章 Alexa意圖識(shí)別功能的優(yōu)化模型
    4.1 模型框架
    4.2 文本數(shù)據(jù)預(yù)處理
        4.2.1 數(shù)據(jù)增強(qiáng)
        4.2.2 建立詞向量模型
    4.3 添加詞嵌入模型
    4.4 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.4.1 基本結(jié)構(gòu)
        4.4.2 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
        4.4.3 GRU計(jì)算單元
    4.5 Softmax分類器
    4.6 模型的訓(xùn)練
    4.7 本章小結(jié)
第五章 意圖識(shí)別優(yōu)化模型的實(shí)現(xiàn)與仿真
    5.1 實(shí)驗(yàn)平臺(tái)說(shuō)明
        5.1.1 實(shí)驗(yàn)所用硬件
        5.1.2 實(shí)驗(yàn)所用軟件
    5.2 實(shí)驗(yàn)數(shù)據(jù)
    5.3 實(shí)驗(yàn)設(shè)置
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]工業(yè)云應(yīng)用與技術(shù)綜述[J]. 徐泉,王良勇,劉長(zhǎng)鑫.  計(jì)算機(jī)集成制造系統(tǒng). 2018(08)
[2]改進(jìn)Softmax分類器的深度卷積神經(jīng)網(wǎng)絡(luò)及其在人臉識(shí)別中的應(yīng)用[J]. 冉鵬,王靈,李昕,劉鵬偉.  上海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[3]智能音箱技術(shù)與產(chǎn)品現(xiàn)狀及未來(lái)發(fā)展趨勢(shì)分析[J]. 蘇軍根,林健,洪博宇,甘玉玨,魯維.  廣東通信技術(shù). 2018(06)
[4]結(jié)合句法特征和卷積神經(jīng)網(wǎng)絡(luò)的多意圖識(shí)別模型[J]. 楊春妮,馮朝勝.  計(jì)算機(jī)應(yīng)用. 2018(07)
[5]語(yǔ)音識(shí)別技術(shù)的研究進(jìn)展與展望[J]. 王海坤,潘嘉,劉聰.  電信科學(xué). 2018(02)
[6]基于詞頻統(tǒng)計(jì)規(guī)律的文本數(shù)據(jù)預(yù)處理方法[J]. 池云仙,趙書(shū)良,羅燕,高琳,趙駿鵬,李超.  計(jì)算機(jī)科學(xué). 2017(10)
[7]基于LSTM RNNLM的N-best重打分算法[J]. 李華,屈丹,范正光,張文林.  信息工程大學(xué)學(xué)報(bào). 2017(04)
[8]智能語(yǔ)音助手搶占AI入口市場(chǎng)[J]. 孟晉.  新經(jīng)濟(jì)導(dǎo)刊. 2017(04)
[9]基于ROI-KNN卷積神經(jīng)網(wǎng)絡(luò)的面部表情識(shí)別[J]. 孫曉,潘汀,任福繼.  自動(dòng)化學(xué)報(bào). 2016(06)
[10]基于n-gram語(yǔ)言模型和鏈狀樸素貝葉斯分類器的中文文本分類系統(tǒng)[J]. 毛偉,徐蔚然,郭軍.  中文信息學(xué)報(bào). 2006(03)



本文編號(hào)：3630370