發(fā)布時(shí)間：2022-12-11 03:22

　　近年來(lái),隨著人工智能技術(shù)的不斷發(fā)展,人機(jī)對(duì)話系統(tǒng)受到廣泛的關(guān)注�？谡Z(yǔ)理解是人機(jī)對(duì)話系統(tǒng)中的一部分,而且至關(guān)重要,目的是讓機(jī)器理解用戶的具體需求從而給出合理的答復(fù)。為了明確用戶表達(dá)的意圖需求,意圖識(shí)別是口語(yǔ)理解中的關(guān)鍵子任務(wù),同時(shí)意圖識(shí)別的準(zhǔn)確性直接關(guān)系到語(yǔ)義槽填充的性能并且有助于后續(xù)對(duì)話系統(tǒng)的研究。考慮到人與機(jī)器的頻繁交互以及用戶表達(dá)的多樣性,用戶話語(yǔ)中有時(shí)不僅僅包含一種意圖,而是含有多種意圖,所以意圖識(shí)別任務(wù)可以分為單意圖識(shí)別和多意圖識(shí)別兩個(gè)任務(wù)。本文通過(guò)分析傳統(tǒng)的機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法在單意圖識(shí)別任務(wù)和多意圖識(shí)別任務(wù)上的研究,進(jìn)一步思考如何將深度學(xué)習(xí)模型合理地運(yùn)用到意圖識(shí)別任務(wù)中。膠囊網(wǎng)絡(luò)中的膠囊含有豐富的特征信息,動(dòng)態(tài)路由可以動(dòng)態(tài)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)層之間的關(guān)系,不僅可以保留出現(xiàn)概率較小的語(yǔ)義特征,而且具有很好地?cái)M合特征的能力,適用于小型數(shù)據(jù)集。因此,本文主要采用膠囊網(wǎng)絡(luò)分別在單意圖識(shí)別任務(wù)和多意圖識(shí)別任務(wù)上進(jìn)行研究,具體工作如下:（1）針對(duì)卷積神經(jīng)網(wǎng)絡(luò)中的池化操作不能完全利用句子中的所有特征信息這一問(wèn)題,本文采用膠囊網(wǎng)絡(luò)解決這一問(wèn)題并將其應(yīng)用于單意圖文本中,通過(guò)使用動(dòng)態(tài)路由算法合理... 

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
abstract
第1章 引言
    1.1 研究背景
    1.2 研究意義
    1.3 意圖識(shí)別存在的問(wèn)題
    1.4 本文研究的主要內(nèi)容與論文結(jié)構(gòu)
第2章 相關(guān)工作
    2.1 引言
    2.2 單意圖識(shí)別
        2.2.1 傳統(tǒng)的機(jī)器學(xué)習(xí)方法
        2.2.2 深度學(xué)習(xí)方法
    2.3 多意圖識(shí)別
        2.3.1 傳統(tǒng)的機(jī)器學(xué)習(xí)方法
        2.3.2 深度學(xué)習(xí)方法
    2.4 膠囊網(wǎng)絡(luò)
    2.5 本章小結(jié)
第3章 基于膠囊網(wǎng)絡(luò)的單意圖識(shí)別方法
    3.1 引言
    3.2 意圖文本表示
    3.3 模型構(gòu)建
    3.4 實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 實(shí)驗(yàn)設(shè)置
        3.4.3 評(píng)價(jià)方法
        3.4.4 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小節(jié)
第4章 基于膠囊網(wǎng)絡(luò)的多意圖識(shí)別方法
    4.1 引言
    4.2 問(wèn)題定義
    4.3 模型構(gòu)建
        4.3.1 增加卷積膠囊層的改進(jìn)方法
        4.3.2 增加不同卷積核的改進(jìn)方法
    4.4 模型實(shí)驗(yàn)與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)設(shè)置
        4.4.3 評(píng)價(jià)方法
        4.4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]膠囊網(wǎng)絡(luò)用于短文本多意圖識(shí)別的研究[J]. 劉嬌,李艷玲,林民.  計(jì)算機(jī)科學(xué)與探索. 2020(10)
[2]膠囊網(wǎng)絡(luò)模型綜述[J]. 楊巨成,韓書(shū)杰,毛磊,代翔子,陳亞瑞.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2019(06)
[3]基于標(biāo)簽相關(guān)性的類屬屬性多標(biāo)簽分類算法[J]. 牟甲鵬,蔡劍,余孟池,徐建.  計(jì)算機(jī)應(yīng)用研究. 2020(09)
[4]基于聯(lián)合模型的多標(biāo)簽文本分類研究[J]. 劉心惠,陳文實(shí),周愛(ài),陳飛,屈雯,魯明羽.  計(jì)算機(jī)工程與應(yīng)用. 2020(14)
[5]人機(jī)對(duì)話系統(tǒng)中意圖識(shí)別方法綜述[J]. 劉嬌,李艷玲,林民.  計(jì)算機(jī)工程與應(yīng)用. 2019(12)
[6]融合CNN和標(biāo)簽特征的中文文本情緒多標(biāo)簽分類[J]. 李德玉,羅鋒,王素格.  山西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[7]膠囊網(wǎng)絡(luò)技術(shù)及發(fā)展趨勢(shì)研究[J]. 朱應(yīng)釗,胡穎茂,李嫚.  廣東通信技術(shù). 2018(10)
[8]聊天機(jī)器人中用戶就醫(yī)意圖識(shí)別方法[J]. 余慧,馮旭鵬,劉利軍,黃青松.  計(jì)算機(jī)應(yīng)用. 2018(08)
[9]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)
[10]統(tǒng)計(jì)中文口語(yǔ)理解執(zhí)行策略的研究[J]. 李艷玲,顏永紅.  計(jì)算機(jī)科學(xué)與探索. 2017(06)

碩士論文
[1]基于深度學(xué)習(xí)的多標(biāo)簽短文本分類方法研究[D]. 徐曉璐.桂林電子科技大學(xué) 2019
[2]文本的分層表示及情感分類方法研究[D]. 胡均毅.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[3]人機(jī)對(duì)話系統(tǒng)中用戶意圖分類方法研究[D]. 黃佳偉.華中師范大學(xué) 2018
[4]聊天機(jī)器人中用戶出行消費(fèi)意圖識(shí)別方法研究[D]. 錢岳.哈爾濱工業(yè)大學(xué) 2017
[5]一種基于AdaBoost和SVM的短文本分類模型[D]. 賈俊華.河北工業(yè)大學(xué) 2016
[6]電商客服自動(dòng)問(wèn)答系統(tǒng)的商品意圖識(shí)別[D]. 岳蕓.五邑大學(xué) 2016
[7]基于微博的消費(fèi)意圖挖掘[D]. 陳浩辰.哈爾濱工業(yè)大學(xué) 2014



本文編號(hào)：3718044