基于生成對抗網(wǎng)絡的情感對話研究
發(fā)布時間:2022-01-02 14:31
人機對話生成是自然語言處理領域中十分重要的研究方向。如何生成高質量、多樣的、流暢通順、帶有情感的對話是一項十分具有挑戰(zhàn)性的任務。隨著人工智能和深度學習技術的飛速發(fā)展,端到端的神經(jīng)網(wǎng)絡模型提供了可擴展的對話生成框架,為機器從語義上進行理解并自動產(chǎn)生回復提供了可能性。神經(jīng)網(wǎng)絡模型也帶來了新的問題與挑戰(zhàn),基本的對話模型框架往往傾向于產(chǎn)生普適性、無意義、相對“安全”的回答。本文基于生成對抗網(wǎng)絡在情感對話生成任務上進行了相關的探索和研究。本文的主要工作如下:(1)基本的對話生成模型往往不能很好的從對話文本中挖掘出句子的情感特征。為了構建能夠生成指定情感的對話生成模型,將情感對話生成任務進行了拆分,訓練了多個不同的模型來生成不同情感的對話文本,每個模型專注于生成一種情感的對話文本,這樣使得對話生成模型在生成指定情感對話的過程中排除了其他情感所產(chǎn)生的干擾與影響,從而提高了模型生成某類別情感對話文本的準確度。(2)基于對抗生成網(wǎng)絡提出了新的情感對話生成框架SMC-GAN來完成情感對話生成任務。所提出的情感對話生成模型包括一個生成模型和多個判別模型。生成模型是基于基本的Seq2Seq(sequence ...
【文章來源】:合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】:63 頁
【學位級別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.1.1 智能對話機器人
1.1.2 研究意義和難點
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于目標函數(shù)優(yōu)化的對話生成模型
1.2.2 基于對抗生成網(wǎng)絡的對話生成模型
1.2.3 融合情感因素的對話生成模型
1.3 本文研究內(nèi)容
1.4 本文組織結構
第二章 情感對話生成相關技術介紹
2.1 對話文本序列表示
2.1.1 詞向量
2.1.2 詞嵌入
2.2 循環(huán)神經(jīng)網(wǎng)絡
2.2.1 基本循環(huán)神經(jīng)網(wǎng)絡單元
2.2.2 門控單元
2.2.3 長短期記憶單元
2.3 情感分類
2.3.1 基于傳統(tǒng)神經(jīng)網(wǎng)絡的情感分類模型
2.3.2 基于循環(huán)神經(jīng)網(wǎng)絡的情感分類模型
2.4 基于序列到序列模型的對話生成框架
2.4.1 編解碼網(wǎng)絡
2.4.2 注意力機制
2.5 基于對抗生成網(wǎng)絡的對話生成框架
2.5.1 生成對抗網(wǎng)絡的基本概念
2.5.2 生成對抗網(wǎng)絡處理文本生成任務
2.6 本章小結
第三章 情感對話生成模型綜述
3.1 對話生成基線模型
3.2 基于混合神經(jīng)網(wǎng)絡的情感對話生成模型
3.3 基于生成對抗網(wǎng)絡的情感對話生成模型
3.4 基于生成對抗網(wǎng)絡的多分類器情感對話生成模型
3.4.1 模型整體框架結構
3.4.2 面向情感對話文本的生成模型
3.4.3 基本判別模型
3.4.4 情感判別模型
3.4.5 流暢度判別模型
3.5 本章小結
第四章 實驗與結果分析
4.1 情感對話生成任務定義
4.2 實驗設置
4.2.1 對話文本的情感準確度
4.2.2 對話文本的一致性
4.2.3 對話文本的流暢度
4.2.4 實驗參數(shù)設置
4.3 實驗環(huán)境
4.4 數(shù)據(jù)集
4.5 情感分類
4.6 對話評估
4.7 實驗結果與分析
4.7.1 情感準確度分析
4.7.2 一致性分析
4.7.3 流暢度分析
4.7.4 案例分析
4.7.5 誤差分析
4.8 本章小結
第五章 總結與展望
5.1 本文工作總結
5.2 未來工作展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況
本文編號:3564346
【文章來源】:合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】:63 頁
【學位級別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.1.1 智能對話機器人
1.1.2 研究意義和難點
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于目標函數(shù)優(yōu)化的對話生成模型
1.2.2 基于對抗生成網(wǎng)絡的對話生成模型
1.2.3 融合情感因素的對話生成模型
1.3 本文研究內(nèi)容
1.4 本文組織結構
第二章 情感對話生成相關技術介紹
2.1 對話文本序列表示
2.1.1 詞向量
2.1.2 詞嵌入
2.2 循環(huán)神經(jīng)網(wǎng)絡
2.2.1 基本循環(huán)神經(jīng)網(wǎng)絡單元
2.2.2 門控單元
2.2.3 長短期記憶單元
2.3 情感分類
2.3.1 基于傳統(tǒng)神經(jīng)網(wǎng)絡的情感分類模型
2.3.2 基于循環(huán)神經(jīng)網(wǎng)絡的情感分類模型
2.4 基于序列到序列模型的對話生成框架
2.4.1 編解碼網(wǎng)絡
2.4.2 注意力機制
2.5 基于對抗生成網(wǎng)絡的對話生成框架
2.5.1 生成對抗網(wǎng)絡的基本概念
2.5.2 生成對抗網(wǎng)絡處理文本生成任務
2.6 本章小結
第三章 情感對話生成模型綜述
3.1 對話生成基線模型
3.2 基于混合神經(jīng)網(wǎng)絡的情感對話生成模型
3.3 基于生成對抗網(wǎng)絡的情感對話生成模型
3.4 基于生成對抗網(wǎng)絡的多分類器情感對話生成模型
3.4.1 模型整體框架結構
3.4.2 面向情感對話文本的生成模型
3.4.3 基本判別模型
3.4.4 情感判別模型
3.4.5 流暢度判別模型
3.5 本章小結
第四章 實驗與結果分析
4.1 情感對話生成任務定義
4.2 實驗設置
4.2.1 對話文本的情感準確度
4.2.2 對話文本的一致性
4.2.3 對話文本的流暢度
4.2.4 實驗參數(shù)設置
4.3 實驗環(huán)境
4.4 數(shù)據(jù)集
4.5 情感分類
4.6 對話評估
4.7 實驗結果與分析
4.7.1 情感準確度分析
4.7.2 一致性分析
4.7.3 流暢度分析
4.7.4 案例分析
4.7.5 誤差分析
4.8 本章小結
第五章 總結與展望
5.1 本文工作總結
5.2 未來工作展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況
本文編號:3564346
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3564346.html
最近更新
教材專著