基于深度學習的情感對話模型應用研究
發(fā)布時間:2022-01-01 08:49
對話模型可以描述為針對某一提問使用自然語言生成回復的模型,其目的是為達到模擬人類對話的效果。人類具有豐富的情感,對話是最常見、最容易的表達情感的方式之一,但是在現(xiàn)有深度學習框架下,對話模型的研究很少考慮到對話間的情感因素,因此如何使對話模型生成帶有情感的回復逐漸成為對話模型的研究熱點之一。目前對話模型主要使用序列到序列模型(Sequence to Sequence,Seq2Seq),該模型在情感對話上存在以下缺點:(1)模型缺少情感的編碼與解碼,即模型不考慮問題與回答間的情感關(guān)系。(2)回答語境無關(guān),模型僅考慮當前問題與回答的關(guān)系,而忽視上幾輪對話對本輪對話的影響。(3)容易產(chǎn)生通用回答,語料庫中存在大量多對一的回答使得模型回答比較單一。因此,為達到情感對話的目的,針對以上三個問題,課題主要工作如下:首先,課題提出一種基于Seq2Seq的多輪情感對話模型,從模型的輸入、編碼器結(jié)構(gòu)、解碼器結(jié)構(gòu)、搜索算法四個方面進行改進,使得模型生成帶有情感的、多樣性、語境相關(guān)的回復。在模型輸入方面,在基于詞向量的上增加情感信息和位置信息。在編碼器方面,課題先對當前輸入與句子情感進行編碼,生成語義向量,同...
【文章來源】:內(nèi)蒙古工業(yè)大學內(nèi)蒙古自治區(qū)
【文章頁數(shù)】:67 頁
【學位級別】:碩士
【部分圖文】:
情感概率圖
情感對話系統(tǒng)交互界面面主要實現(xiàn)用戶與對話模型的交互,將模型放在實際的應用中,驗有效性。用戶交互界面最主要的功能是發(fā)送用戶當前輸入、記錄用輸入、顯示多輪情感對話模型返回的輸出語句。為改善用戶體驗,式對話,為用戶和機器人設(shè)計頭像。同時,聊天欄的左邊有模型的多輪情感對話模型或其他聊天機器人。為讓用戶更好的參與到多輪,左邊可以設(shè)置多輪情感對話模型的相關(guān)參數(shù)并重新開始訓練。天框采用 drawPixmap 和 drawText 來動態(tài)繪制,根據(jù)用戶當前輸入,計算對話的行數(shù),超過一行按照每行最大字數(shù)與行數(shù)繪制,不足度計算。窗口風格使用 setStyle 函數(shù)和 QT 自帶的 QStyle。繪制的,如圖 5-4 所示:
第五章 多輪情感對話系統(tǒng)側(cè)是模型相關(guān)選項,第一欄是模型預測欄,主要用于切切換多輪情感對話模型和 Seq2Seq 模型,其切換界面時模型時聊天欄都會刷新界面并重新開始聊天。
【參考文獻】:
期刊論文
[1]對話系統(tǒng)評價方法綜述[J]. 張偉男,張楊子,劉挺. 中國科學:信息科學. 2017(08)
碩士論文
[1]基于深度學習的情感智能回復生成的設(shè)計與研究[D]. 王一徑.哈爾濱工業(yè)大學 2018
[2]人機對話中的情感文本生成方法研究[D]. 范創(chuàng).哈爾濱工業(yè)大學 2018
本文編號:3562031
【文章來源】:內(nèi)蒙古工業(yè)大學內(nèi)蒙古自治區(qū)
【文章頁數(shù)】:67 頁
【學位級別】:碩士
【部分圖文】:
情感概率圖
情感對話系統(tǒng)交互界面面主要實現(xiàn)用戶與對話模型的交互,將模型放在實際的應用中,驗有效性。用戶交互界面最主要的功能是發(fā)送用戶當前輸入、記錄用輸入、顯示多輪情感對話模型返回的輸出語句。為改善用戶體驗,式對話,為用戶和機器人設(shè)計頭像。同時,聊天欄的左邊有模型的多輪情感對話模型或其他聊天機器人。為讓用戶更好的參與到多輪,左邊可以設(shè)置多輪情感對話模型的相關(guān)參數(shù)并重新開始訓練。天框采用 drawPixmap 和 drawText 來動態(tài)繪制,根據(jù)用戶當前輸入,計算對話的行數(shù),超過一行按照每行最大字數(shù)與行數(shù)繪制,不足度計算。窗口風格使用 setStyle 函數(shù)和 QT 自帶的 QStyle。繪制的,如圖 5-4 所示:
第五章 多輪情感對話系統(tǒng)側(cè)是模型相關(guān)選項,第一欄是模型預測欄,主要用于切切換多輪情感對話模型和 Seq2Seq 模型,其切換界面時模型時聊天欄都會刷新界面并重新開始聊天。
【參考文獻】:
期刊論文
[1]對話系統(tǒng)評價方法綜述[J]. 張偉男,張楊子,劉挺. 中國科學:信息科學. 2017(08)
碩士論文
[1]基于深度學習的情感智能回復生成的設(shè)計與研究[D]. 王一徑.哈爾濱工業(yè)大學 2018
[2]人機對話中的情感文本生成方法研究[D]. 范創(chuàng).哈爾濱工業(yè)大學 2018
本文編號:3562031
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3562031.html
最近更新
教材專著