隨著人工智能的發(fā)展和硬件水平的進(jìn)步,高性能芯片和集成電路的問世給予了服務(wù)機(jī)器人完成復(fù)雜功能的有力支持。但是,軟件方面,大多數(shù)具備軟件應(yīng)用系統(tǒng)的服務(wù)機(jī)器人系統(tǒng)界面簡(jiǎn)陋、軟件功能單一、人機(jī)交互生硬。隨著服務(wù)機(jī)器人在人類生活中扮演著越來越重要的角色,關(guān)于如何提升人機(jī)友好度已成為當(dāng)下的迫切需求。利用自然語言處理技術(shù),對(duì)機(jī)器人聊天文本進(jìn)行語義分析,讓機(jī)器人具備情感表達(dá)能力,成為當(dāng)下研究熱點(diǎn)之一。同時(shí),機(jī)器人由于其功能的多樣性,存在多個(gè)基于不同開發(fā)語言和運(yùn)行環(huán)境的獨(dú)立功能模塊,如何構(gòu)建統(tǒng)一的機(jī)器人交互系統(tǒng)也成為當(dāng)今一大難點(diǎn)。針對(duì)上述問題和需求,本文主要開展以下工作:對(duì)于機(jī)器人的聊天文本進(jìn)行情感分析并通過交互界面進(jìn)行展現(xiàn),以達(dá)到情感呈現(xiàn)目的。從構(gòu)建情感詞典和情感判別規(guī)則、Word2Vec結(jié)合SVM分類器和深度學(xué)習(xí)模型三個(gè)方向開展情感分析任務(wù)實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,基于word2vec和LSTM深度神經(jīng)網(wǎng)絡(luò)模型的情感分類方法準(zhǔn)確率和召回率較好,被選用于機(jī)器人情感呈現(xiàn)功能實(shí)現(xiàn)方案。在情感分析系統(tǒng)的構(gòu)建中,為構(gòu)建接口統(tǒng)一的軟件交互系統(tǒng),增強(qiáng)其擴(kuò)展性、降低維護(hù)成本,本文結(jié)合政務(wù)服務(wù)實(shí)際場(chǎng)景,以服務(wù)機(jī)器人為載體,... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于gensim的word2vec基本訓(xùn)練流程

圖 3.5 基于 word2vec 的詞語相似度測(cè)試3.5 本章小結(jié)文本的預(yù)處理工作是文本情感識(shí)別中的一個(gè)重要環(huán)節(jié)，文本語料質(zhì)量的高低直接影響到后續(xù)文本情感識(shí)別結(jié)果的好壞。本章介紹了一些分詞的基本方法和文本的表示模型，以及詞向量訓(xùn)練工具 word2vec 的原理和相關(guān)概念，并詳細(xì)介紹了 word2vec 中的兩種模型—CBOW模型和 Skip-gram 模型。最后利用 Jieba 分詞工具和自然語言處理庫(kù) gensim 對(duì)語料進(jìn)行分詞和訓(xùn)練詞向量的工作。訓(xùn)練結(jié)果表明，經(jīng) Word2Vec 訓(xùn)練獲取的詞向量含有豐富語義信息，詞義越相近的詞語其相似度越接近 1，而詞義越不相關(guān)的詞語相似度越接近 0。在下一章節(jié)，將介紹如何利用所獲取的詞向量作為輸入進(jìn)行情感分類等相關(guān)內(nèi)容。

南京郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 系統(tǒng)各模塊具體設(shè)計(jì)與實(shí)現(xiàn)第五章 系統(tǒng)各模塊具體設(shè)計(jì)與實(shí)現(xiàn)5.1 系統(tǒng)前端部分設(shè)計(jì)與實(shí)現(xiàn)整個(gè)機(jī)器人交互界面分為地圖導(dǎo)航、語音對(duì)話、窗口引導(dǎo)、業(yè)務(wù)介紹、互動(dòng)娛樂和業(yè)務(wù)取號(hào)模塊。其中語音對(duì)話模塊作為情感呈現(xiàn)系統(tǒng)的主體，其前端部分主要包括語音對(duì)話和情感呈現(xiàn)功能，在用戶進(jìn)入該模塊和機(jī)器人進(jìn)行人機(jī)對(duì)話時(shí)，頁面上隨著機(jī)器人回答文本的展現(xiàn)和情感的變化，相應(yīng)機(jī)器人虛擬表情也發(fā)生變化。圖 5.1（a）是機(jī)器人交互界面整體效果，圖 5.1（b）是政務(wù)服務(wù)機(jī)器人“棲棲”。

【參考文獻(xiàn)】：
期刊論文
[1]基于極性轉(zhuǎn)移和LSTM遞歸網(wǎng)絡(luò)的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學(xué)報(bào). 2015(05)
[2]一種模式匹配和統(tǒng)計(jì)學(xué)習(xí)相結(jié)合的文本情感分類方法[J]. 潘正高,張磊.  宿州學(xué)院學(xué)報(bào). 2013(01)
[3]中文情感分類挖掘預(yù)處理關(guān)鍵技術(shù)比較研究[J]. 夏火松,劉建,朱慧毅.  情報(bào)雜志. 2011(09)
[4]文本情感分析[J]. 趙妍妍,秦兵,劉挺.  軟件學(xué)報(bào). 2010(08)
[5]基于語義理解的文本情感分類方法研究[J]. 聞彬,何婷婷,羅樂,宋樂,王倩.  計(jì)算機(jī)科學(xué). 2010(06)
[6]基于短語模式的文本情感分類研究[J]. 李鈍,曹付元,曹元大,萬月亮.  計(jì)算機(jī)科學(xué). 2008(04)

碩士論文
[1]基于詞典和機(jī)器學(xué)習(xí)組合的情感分析[D]. 丁蔚.西安郵電大學(xué) 2017
[2]基于多元特征融合和LSTM神經(jīng)網(wǎng)絡(luò)的中文評(píng)論情感分析[D]. 李科.太原理工大學(xué) 2017
[3]基于遞歸神經(jīng)網(wǎng)絡(luò)的微博情感分類研究[D]. 孫超紅.浙江理工大學(xué) 2017
[4]基于word2vec和SVMperf的網(wǎng)絡(luò)中文文本評(píng)論信息情感分類研究[D]. 蘇增才.河北科技大學(xué) 2015
[5]基于深度學(xué)習(xí)的文本情感分類研究[D]. 朱少杰.哈爾濱工業(yè)大學(xué) 2014



本文編號(hào)：3402353