隨著智能對話系統(tǒng)的不斷發(fā)展,人機交互的方式發(fā)生了巨大的變化。原來的基于從命令到反饋的人機交互方式逐漸被打破,人機交互正朝著更加便捷、自然、智能的方向發(fā)展。機器正在由被動接受用戶的信息向主動理解用戶的意圖方向發(fā)展。隨著用戶數(shù)據(jù)的不斷積累,大數(shù)據(jù)和人工智能技術(shù)使得在一些場景下機器人比用戶更懂“自己”,但是目前的智能語音對話系統(tǒng),話題展開一直由用戶驅(qū)動,這樣很容易造成用戶興趣點缺失、興趣度下降、對話終止等問題。因此,本文針對智能語音系統(tǒng)存在的問題,從如何在對話過程中選擇合適的話題和如何引導(dǎo)話題兩個方面展開研究,主要內(nèi)容如下:針對人機對話話題推薦中存在的用戶對話內(nèi)容簡短、話題的時效性強等問題。本文提出一種基于知識圖譜的話題推薦算法。該算法首先根據(jù)相似用戶具有相同愛好的特性,利用相似用戶對話題的喜好為用戶選擇候選話題,將人機對話話題預(yù)測轉(zhuǎn)變?yōu)橛脩魧蜻x話題的點擊概率問題。其次,利用知識圖譜增強用戶表達內(nèi)容的特征表示。最后,利用注意力神經(jīng)網(wǎng)絡(luò)模型對候選話題進行預(yù)測。實驗表明該算法在人機對話話題推薦上的準(zhǔn)確率以及精準(zhǔn)率方面明顯高于其他模型。針對如何在人機對話過程中為用戶進行話題引導(dǎo)的問題,本文提出了... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

(a)不同數(shù)據(jù)規(guī)模下的算法準(zhǔn)確率對比圖

重慶郵電大學(xué)碩士學(xué)位論文第3章基于知識圖譜的話題推薦算法研究32數(shù)據(jù)樣本的變化而變化。其他的算法隨著樣本數(shù)據(jù)的不斷增大，在性能上逐漸的提升，這是因為在人機對話過程當(dāng)中，隨著數(shù)據(jù)量的不斷增多，用戶對話題的意向更加明顯，所以在準(zhǔn)確率及精確率方面都有逐步的提升。由圖3.5所示，針對小數(shù)據(jù)樣本集，本章提出的基于知識圖譜的人機對話話題推薦算法在準(zhǔn)確率和精確率方面都具有明顯的優(yōu)勢，這是因為在小樣本集上，用戶的對話數(shù)據(jù)較為稀疏，用戶的表達意向不明確，數(shù)據(jù)特征不明顯。如果直接進行學(xué)習(xí)將不會對用戶特征進行很好的學(xué)習(xí)。本章一方面保留原有的對話內(nèi)容的語義結(jié)構(gòu)，另外一方面采用知識圖譜對對話中提到的實體內(nèi)容進行關(guān)聯(lián)擴展，這樣可以極大的增強對話內(nèi)容的特征，并且本章采用注意力模型區(qū)分不同時刻對話對用戶興趣點的影響力，所以本章提出的基于知識的推薦算法小的樣本集上依舊能有很好的表現(xiàn)能力。圖3.5(a)不同數(shù)據(jù)規(guī)模下的算法準(zhǔn)確率對比圖圖3.5(b)不同數(shù)據(jù)規(guī)模下的算法精確率對比圖

重慶郵電大學(xué)碩士學(xué)位論文第3章基于知識圖譜的話題推薦算法研究33圖3.5(c)不同數(shù)據(jù)規(guī)模下的算法F1值對比圖3.7本章小結(jié)針對人機交互話題推薦中用戶對話文本簡潔、用戶特征不明顯、興趣隨時間遷移等問題，本章提出了基于知識圖譜的人機交互話題推薦方法，將話題推薦轉(zhuǎn)變?yōu)榱撕蜻x話題點擊預(yù)測問題，首先根據(jù)相似用戶篩選出候選話題，其次提取用戶對話內(nèi)容中的實體，使用知識感知的深度學(xué)習(xí)模型融合語義層和知識層的信息表示，最后利用注意力模型對候選話題選擇的概率進行了預(yù)測。

【參考文獻】：
期刊論文
[1]基于小樣本機器學(xué)習(xí)的跨任務(wù)對話系統(tǒng)[J]. 劉繼明,孟亞磊,萬曉榆.  重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[2]基于語義分析的情感計算技術(shù)研究進展[J]. 饒元,吳連偉,王一鳴,馮聰.  軟件學(xué)報. 2018(08)
[3]Empathizing with Emotional Robot Based on Cognition Reappraisal[J]. Xin Liu,Lun Xie,Zhiliang Wang.  中國通信. 2017(09)
[4]Cognitive Emotion Model for Eldercare Robot in Smart Home[J]. HAN Jing,XIE Lun,LI Dan,HE Zhijie,WANG Zhiliang.  中國通信. 2015(04)
[5]基于Gross認(rèn)知重評的機器人認(rèn)知情感交互模型[J]. 韓晶,解侖,劉欣,徐上謀,王志良.  東南大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[6]語音情感識別研究進展綜述[J]. 韓文靜,李海峰,阮華斌,馬琳.  軟件學(xué)報. 2014(01)
[7]基于個性的機器人情感生成和決策模型構(gòu)建[J]. 牛國臣,胡丹丹,高慶吉.  機器人. 2011(06)

博士論文
[1]基于Valence-Arousal空間的中文文本情感分析方法研究[D]. 王津.云南大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的情感智能回復(fù)生成的設(shè)計與研究[D]. 王一徑.哈爾濱工業(yè)大學(xué) 2018
[2]面向受限域的通用自動問答系統(tǒng)的設(shè)計與實現(xiàn)[D]. 郭俊.北京郵電大學(xué) 2018
[3]基于強化學(xué)習(xí)的開放領(lǐng)域聊天機器人對話生成算法[D]. 曹東巖.哈爾濱工業(yè)大學(xué) 2017



本文編號：3491539