現(xiàn)如今,數(shù)據(jù)規(guī)模的指數(shù)級增長加劇了用戶對以友好和自然的方式隨時隨地獲取所需要信息的渴望,對話系統(tǒng)應運而生。對話系統(tǒng)作為一種新型的人機交互工具,能夠通過自然語言的方式實現(xiàn)。按照應用范圍的不同,對話系統(tǒng)可以劃分為兩類,分別是非任務型和任務型,本文的研究主要集中于任務型對話系統(tǒng)。作為任務型對話系統(tǒng)內(nèi)部運行的機制,任務型對話模型的研究隨著人工智能以及自然語言處理技術的蓬勃發(fā)展而越來越深入。但是,現(xiàn)有的任務型對話模型的研究存在以下問題:首先,作為自然語言理解模塊中的重要組成部分,意圖識別任務和槽填充任務之間的關聯(lián)性非常顯著,但在目前的研究中,很少能夠充分利用二者之間的關聯(lián)關系和共享信息。另外,由于在任務型對話模型中,用戶輸入文本長度有限,導致文本描述概念信號比較弱,文本特征嚴重不足。對話響應生成模塊的作用是組織適當?shù)膽鹫Z句,將模型的答復轉(zhuǎn)換成用戶能夠理解的自然語言,現(xiàn)有的對話響應生成方法通常存在生成結(jié)果不可控的問題,部分生成的語句可能含有語法錯誤或造成歧義,又或者是信息量較少的無用語句。針對以上問題,本論文研究基于多任務學習和知識圖譜的對話模型的構建,主要針對對話模型中的自然語言理解和對話響應...

【文章來源】： 華僑大學福建省

【文章頁數(shù)】：71 頁

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 意圖識別與槽填充
        1.2.2 對話響應生成
    1.3 本文主要內(nèi)容和組織結(jié)構
        1.3.1 本文主要內(nèi)容
        1.3.2 文章組織架構
第2章 問題描述與研究框架
    2.1 意圖和槽位識別問題描述
    2.2 對話響應生成問題描述
    2.3 對話模型總體研究框架
    2.4 本章小結(jié)
第3章 基于多任務學習融合知識的意圖和槽位聯(lián)合識別模型構建
    3.1 意圖和槽位聯(lián)合識別問題描述
    3.2 基于多任務學習融合知識的意圖和槽位聯(lián)合識別模型
        3.2.1 共享表示特征
        3.2.2 基于多任務學習的意圖和槽位聯(lián)合模型
        3.2.3 外部知識的融入
        3.2.4 聯(lián)合識別模型的優(yōu)化
    3.3 實驗結(jié)果及分析
        3.3.1 數(shù)據(jù)集
        3.3.2 基線模型
        3.3.3 實驗設置
        3.3.4 評價標準
        3.3.5 實驗結(jié)果及分析
    3.4 本章小結(jié)
第4章 基于知識圖譜的對話響應生成模型構建
    4.1 對話響應生成
    4.2 基于知識圖譜的對話響應生成模型
        4.2.1 知識導入層
        4.2.2 注入知識的Seq2Seq模型
        4.2.3 覆蓋率機制
    4.3 實驗結(jié)果及分析
        4.3.1 數(shù)據(jù)集
        4.3.2 基線模型
        4.3.3 實驗設置
        4.3.4 評價標準
        4.3.5 實驗結(jié)果及分析
    4.4 本章小結(jié)
第5章 基于多任務學習和知識圖譜對話模型的應用分析
    5.1 實驗環(huán)境
    5.2 模型整體架構
    5.3 原型系統(tǒng)功能實現(xiàn)
        5.3.1 自然語言理解功能
        5.3.2 數(shù)據(jù)管理功能
        5.3.3 對話響應生成功能
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 論文創(chuàng)新點
    6.3 展望
參考文獻
致謝
個人簡歷、在校期間發(fā)表學術論文和研究成果



本文編號：3553464