隨著自然語(yǔ)言處理技術(shù)的越來(lái)越成熟,市場(chǎng)上的應(yīng)答機(jī)器人產(chǎn)品也越來(lái)越多,其中比較具有代表性的應(yīng)答機(jī)器人產(chǎn)品有蘋果的Siri、微軟的小冰、亞馬遜的語(yǔ)音助手Alexa等等。研發(fā)應(yīng)答機(jī)器人的關(guān)鍵內(nèi)容在于應(yīng)答語(yǔ)料庫(kù)的構(gòu)建,目前市場(chǎng)上應(yīng)答語(yǔ)料庫(kù)的構(gòu)建方法主要有基于知識(shí)檢索的檢索式構(gòu)建方法、基于人工模板的情景式構(gòu)建方法、基于深度學(xué)習(xí)的生成式構(gòu)建方法。然而,對(duì)于單一基于知識(shí)檢索構(gòu)建、基于人工模板的情景式構(gòu)建或者基于深度學(xué)習(xí)的生成式方法構(gòu)建的應(yīng)答語(yǔ)料庫(kù)遠(yuǎn)沒(méi)有達(dá)到期望的效果,同時(shí)應(yīng)答內(nèi)容缺乏對(duì)某一領(lǐng)域的專業(yè)性。針對(duì)目前市面上的應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法不實(shí)用,達(dá)不到預(yù)期效果、應(yīng)答內(nèi)容缺乏對(duì)某一領(lǐng)域?qū)I(yè)性的共同缺點(diǎn),提出了一種混合式的智能應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法的改進(jìn)方案。本文提出的混合式的智能應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法是基于深度學(xué)習(xí)的生成式應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法結(jié)合基于AIML的情景式應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法。即它具備了基于AIML的情景式應(yīng)答語(yǔ)料庫(kù)在軟件工程領(lǐng)域答疑的精準(zhǔn)性,同時(shí)也具有基于深度學(xué)習(xí)的生成式應(yīng)答語(yǔ)料庫(kù)在日常應(yīng)答中表現(xiàn)出來(lái)的專業(yè)性(對(duì)上下文內(nèi)容的理解記憶能力)。本文基于深度學(xué)習(xí)的生成式應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法,充分利用了深度學(xué)習(xí)中...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.4CNN網(wǎng)絡(luò)結(jié)構(gòu)

11相連，這里所指區(qū)域的大小只取決于卷積核的大小。卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖3.4所示。圖3.4CNN網(wǎng)絡(luò)結(jié)構(gòu)從圖3.4可以看出，卷積神經(jīng)網(wǎng)絡(luò)由卷積層、抽樣層、全連接層組成。卷積層是CNN中最重要的一個(gè)層次，通過(guò)卷積的計(jì)算可以發(fā)現(xiàn)更多的特征信息，在參數(shù)共享機(jī)制下....

圖4.8訓(xùn)練過(guò)程輸出結(jié)果

進(jìn)行模型訓(xùn)練時(shí)采用的是循環(huán)迭代的方式進(jìn)行數(shù)據(jù)迭代，Encoder的輸入使用的是question集中的對(duì)話語(yǔ)料，Decoder的輸入使用的是answer集中與question中相對(duì)應(yīng)的對(duì)話語(yǔ)料和Encoder的輸出結(jié)果。本文在進(jìn)行模型訓(xùn)練過(guò)程中進(jìn)行了大量的迭代，模....

圖5.2基于RNN的Encoder-Decoder模型

合式專業(yè)知識(shí)庫(kù)模塊語(yǔ)音合成MYSQL數(shù)據(jù)庫(kù)開(kāi)始結(jié)束圖5.1整體流程圖5.2生成式智能應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法對(duì)比為了與本文中生成式智能應(yīng)答語(yǔ)料庫(kù)構(gòu)建方法中使用的基于Attention機(jī)制的雙向LSTM編碼模型結(jié)果進(jìn)行對(duì)比。本文使用相同的對(duì)話語(yǔ)料數(shù)據(jù)針對(duì)性的構(gòu)建了一個(gè)只使用R....

圖5.3基于Attention的Encoder-Decoder模型

于RNN的Encoder-Decoder模型圖5.3基于Attention的Encoder-Deco比圖5.2基于RNN的Encoder-Decoder模型，5.3基于Attenr-Decoder模型中的對(duì)話可以看出，本文提出的embedd....

本文編號(hào)：3967821