發(fā)布時(shí)間：2020-12-29 19:12

　　近年來,隨著互聯(lián)網(wǎng)和計(jì)算機(jī)科學(xué)技術(shù)的研究,特別是深度學(xué)習(xí)技術(shù)的研究,推動(dòng)了文本自動(dòng)生成技術(shù)的發(fā)展,文本生成的技術(shù)廣泛應(yīng)用于聊天機(jī)器人,文本摘要生成,機(jī)器翻譯等諸多自然語言處理相關(guān)領(lǐng)域取得了眾多突破性進(jìn)展。聊天對(duì)話可以看做是個(gè)體情感的變化與表達(dá),情感是影響對(duì)話文本內(nèi)容生成的重要因素,本文致力于在文本回復(fù)生成技術(shù)中引入情感智能的因素。本文首先對(duì)對(duì)話回復(fù)生成相關(guān)技術(shù)以及研究現(xiàn)狀進(jìn)行深入研究,分析深度學(xué)習(xí)技術(shù)在對(duì)話回復(fù)生成中的問題和改進(jìn)空間,從而探究結(jié)合深度學(xué)習(xí)和情感分析的技術(shù)構(gòu)建基于情感智能的回復(fù)生成模型,提出基于多元狀態(tài)遷移矩陣的回復(fù)生成模型,該模型在考慮上下文內(nèi)容信息的基礎(chǔ)上,更進(jìn)一步融合的對(duì)話文本情感的遷移變化信息。實(shí)驗(yàn)評(píng)估結(jié)果顯示結(jié)合情感智能可以使得文本回復(fù)生成更具備情感表現(xiàn)力和更生動(dòng)的回復(fù)生成結(jié)果。為了更進(jìn)一步探究該回復(fù)生成算法的價(jià)值和意義,本文以回復(fù)生成模型作為核心技術(shù),基于Flask框架將回復(fù)生成模型作為后端服務(wù)嵌入到對(duì)話系統(tǒng)中。設(shè)計(jì)人人對(duì)話輔助功能模塊,并探討了其設(shè)計(jì)目標(biāo)和應(yīng)用場景。最后通過用戶體驗(yàn)分析研究本文所構(gòu)建的對(duì)話輔助功能模塊在可用性等方面可以滿足人們的要求,幫助并促... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

自動(dòng)編碼機(jī)模型結(jié)構(gòu)示意圖

自動(dòng)編碼機(jī)[5]。在圖像處理領(lǐng)域，文獻(xiàn)[6]利用深層次的自動(dòng)表示，并且基于該湊向表征進(jìn)行圖像檢索。（2）受限玻爾茲曼機(jī)玻爾茲曼機(jī)是由 Hinton 等人[8,9,10]提出的基于概率隨機(jī)的學(xué)習(xí)數(shù)據(jù)固有內(nèi)在表示，而受限玻爾茲曼機(jī)是對(duì)于玻爾茲曼

提出深度稀疏編碼模型，使得能夠?qū)W習(xí)到圖像像素塊的潛在結(jié)構(gòu)特3）深度神經(jīng)網(wǎng)絡(luò)知機(jī)源自于上世紀(jì)五十年代，是最早的人工神經(jīng)網(wǎng)絡(luò)，是一種分類能線性分類模型。其模型結(jié)構(gòu)是經(jīng)過一層隱層線性變換直接到達(dá)輸出果。但是該模型卻連“異或”問題都解決不了，這也是單層神經(jīng)網(wǎng)而知道 Hiton 和 Williams 等人發(fā)明多層感知機(jī)，才解決了該問題，使為一種強(qiáng)大的通用函數(shù)擬合模型。該模型早期使用了 sigmoid、tanh神經(jīng)元，通過著名的反向傳播算法進(jìn)行學(xué)習(xí)。

【參考文獻(xiàn)】：
期刊論文
[1]多尺度特征和神經(jīng)網(wǎng)絡(luò)相融合的手寫體數(shù)字識(shí)別[J]. 趙元慶,吳華.  計(jì)算機(jī)科學(xué). 2013(08)
[2]基于深度學(xué)習(xí)的邊際Fisher分析特征提取算法[J]. 孫志軍,薛磊,許陽明.  電子與信息學(xué)報(bào). 2013(04)



本文編號(hào)：2946149