人機對話（Human-Computer Dialogue）作為人工智能領域的重要問題,備受研究人員的關注。面向開放領域的對話生成是人機對話中的一個重要問題,其目標是盡可能地使生成的對話回復更加自然、流暢和多樣。近年來,深度學習技術的不斷進步極大地推動了對話生成相關研究的發(fā)展,使得對話生成不再僅僅依靠模板匹配與檢索等方式。目前基于深度學習的對話生成方法大多是采用Encoder-Decoder框架的Seq2Seq模型,通過大量的數(shù)據(jù)來學習特征表示和回復生成策略。但是,這種方法容易生成內(nèi)容單一甚至無意義的安全回復。針對現(xiàn)有方法的不足,本文研究基于變分自編碼器（Variational Auto-Encoder,VAE）的文本對話生成方法,以提高模型回復的多樣性,并在此基礎上嵌入情感因素,使得模型能夠生成包含情感的回復,進一步改善人機對話中的用戶體驗。本文的工作主要包括:針對現(xiàn)有基于RNN（Recurrent Neural Network）的Seq2Seq模型對話生成質(zhì)量較低的問題,本文研究基于變分自編碼器的對話生成模型,將VAE過程引入Seq2Seq模型的解碼階段,利用隱變量對文本語義的潛在分... 

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來源
    1.2 課題背景、研究目的及意義
        1.2.1 課題背景
        1.2.2 課題研究目的及意義
    1.3 國內(nèi)外相關技術研究現(xiàn)狀
        1.3.1 對話系統(tǒng)研究現(xiàn)狀
        1.3.2 變分自編碼器研究現(xiàn)狀
        1.3.3 文本情感分析研究現(xiàn)狀
    1.4 本文的主要研究內(nèi)容
    1.5 本文的章節(jié)結(jié)構(gòu)
第2章 人機對話系統(tǒng)相關研究
    2.1 引言
    2.2 文本對話生成相關研究
    2.3 基于變分自編碼器的文本生成相關研究
    2.4 文本情感分析相關研究
    2.5 本章小結(jié)
第3章 基于RNN的SEQ2SEQ對話生成方法
    3.1 引言
    3.2 基于RNN的Seq2Seq對話生成模型
        3.2.1 基于RNN的Seq2Seq模型
        3.2.2 基于Seq2Seq的對話生成模型
    3.3 實驗結(jié)果及分析
        3.3.1 數(shù)據(jù)集及實驗設置
        3.3.2 不同神經(jīng)單元對文本生成結(jié)果的影響
        3.3.3 注意力機制對文本生成結(jié)果的影響
    3.4 本章小結(jié)
第4章 基于變分自編碼器的對話生成方法
    4.1 引言
    4.2 基于變分自編碼器的對話生成模型
        4.2.1 生成模型
        4.2.2 推理模型
        4.2.3 模型訓練及優(yōu)化
    4.3 對話生成的評價指標
    4.4 實驗結(jié)果及分析
        4.4.1 數(shù)據(jù)集及實驗設置
        4.4.2 對話生成結(jié)果
        4.4.3 對話生成質(zhì)量的量化指標
        4.4.4 KL退火算法對KL損失的影響
    4.5 本章小結(jié)
第5章 嵌入情感因素的對話生成方法
    5.1 引言
    5.2 基于變分自編碼器的情感對話生成模型
    5.3 基于卷積記憶網(wǎng)絡的文本情感分類模型
    5.4 實驗結(jié)果及分析
        5.4.1 數(shù)據(jù)集及實驗設置
        5.4.2 情感分類實驗結(jié)果及分析
        5.4.3 基于變分自編碼器的對話生成結(jié)果及分析
    5.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]基于多樣化特征的中文微博情感分類方法研究[J]. 張志琳,宗成慶.  中文信息學報. 2015(04)
[2]基于極性轉(zhuǎn)移和LSTM遞歸網(wǎng)絡的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學報. 2015(05)
[3]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)
[4]基于改進編輯距離的中文相似句子檢索[J]. 車萬翔,劉挺,秦兵,李生.  高技術通訊. 2004 (07)



本文編號：3720392