隨著智能音箱、在線客服走進(jìn)日常生活的多個(gè)領(lǐng)域,人們與機(jī)器對(duì)話的頻率明顯升高,面向開(kāi)放領(lǐng)域的聊天機(jī)器人的重要性也就日益凸顯出來(lái)。聊天機(jī)器人以模仿人類進(jìn)行對(duì)話為目標(biāo),不僅可以降低企業(yè)在客服方面的成本,還能滿足用戶日常聊天的需求。因此,聊天機(jī)器人成為計(jì)算機(jī)領(lǐng)域的一個(gè)研究熱點(diǎn)。目前面向開(kāi)放領(lǐng)域的聊天機(jī)器人以數(shù)據(jù)驅(qū)動(dòng)的模型為主,能夠從規(guī)則驅(qū)動(dòng)發(fā)展到數(shù)據(jù)驅(qū)動(dòng),主要得益于社交媒體的普及和計(jì)算機(jī)硬件的發(fā)展,社交媒體的普及產(chǎn)生了大規(guī)模的對(duì)話語(yǔ)料,計(jì)算機(jī)硬件的發(fā)展則加速了大吞吐量的計(jì)算。從實(shí)現(xiàn)方式看,數(shù)據(jù)驅(qū)動(dòng)的聊天機(jī)器人可以分為檢索式和生成式兩類,前者通過(guò)上下文相似度匹配回復(fù),后者則根據(jù)上下文生成回復(fù)。以上兩種方式各有利弊,檢索式的回復(fù)信息量豐富但是缺乏相關(guān)性,生成式的回復(fù)相關(guān)度高但信息量匱乏。因此,本文著眼于取檢索之長(zhǎng)補(bǔ)生成之短,將檢索式模型融入生成模型中,構(gòu)建聯(lián)合模型進(jìn)行對(duì)話生成。本文主要研究?jī)?nèi)容包括:(1)提出了基于多視角對(duì)抗學(xué)習(xí)的開(kāi)放領(lǐng)域?qū)υ捝赡Ｐ?Response Generation by Binary Discriminator,RGBD)。該模型主要由兩部分組成,以生成逼真回復(fù)為目的的生...

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 檢索式聊天機(jī)器人
        1.2.2 生成式聊天機(jī)器人
        1.2.3 檢索與生成結(jié)合的聊天機(jī)器人
        1.2.4 國(guó)內(nèi)外研究現(xiàn)狀簡(jiǎn)析
    1.3 本文主要研究工作
    1.4 本文組織結(jié)構(gòu)
2 相關(guān)知識(shí)與技術(shù)研究
    2.1 Seq2Seq模型
        2.1.1 Seq2Seq基本原理
        2.1.2 Seq2Seq+Attention模型
    2.2 生成對(duì)抗網(wǎng)絡(luò)
        2.2.1 生成器
        2.2.2 判別器
        2.2.3 對(duì)抗訓(xùn)練
    2.3 Transformer模型
        2.3.1 Transformer總體框架
        2.3.2 自注意力機(jī)制
        2.3.3 多頭注意力機(jī)制
        2.3.4 位置編碼
        2.3.5 編碼器
        2.3.6 解碼器
    2.4 本章小結(jié)
3 基于多視角對(duì)抗學(xué)習(xí)的開(kāi)放領(lǐng)域?qū)υ捝赡Ｐ?br>    3.1 引言
    3.2 RGBD模型描述
        3.2.1 任務(wù)定義
        3.2.2 模型概述
        3.2.3 生成器G
        3.2.4 二元判別器D
        3.2.5 多視角對(duì)抗訓(xùn)練
    3.3 實(shí)驗(yàn)
        3.3.1 數(shù)據(jù)集與模型參數(shù)
        3.3.2 對(duì)比模型
        3.3.3 評(píng)價(jià)指標(biāo)
        3.3.4 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
4 檢索與生成結(jié)合的對(duì)話生成再潤(rùn)色模型
    4.1 引言
    4.2 模型實(shí)現(xiàn)
        4.2.1 任務(wù)定義
        4.2.2 模型概述
        4.2.3 原型檢索器
        4.2.4 基于生成模型的潤(rùn)色器
        4.2.5 回復(fù)過(guò)濾器
    4.3 實(shí)驗(yàn)
        4.3.1 數(shù)據(jù)集與模型參數(shù)
        4.3.2 對(duì)比模型
        4.3.3 評(píng)價(jià)指標(biāo)
        4.3.4 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
5 基于生成再潤(rùn)色模型的微信公眾號(hào)聊天機(jī)器人實(shí)現(xiàn)
    5.1 引言
    5.2 系統(tǒng)總體設(shè)計(jì)
        5.2.1 系統(tǒng)功能分析
        5.2.2 系統(tǒng)工作流程
    5.3 開(kāi)發(fā)環(huán)境搭建
        5.3.1 系統(tǒng)運(yùn)行環(huán)境
        5.3.2 微信公眾號(hào)開(kāi)發(fā)者模式
    5.4 聊天功能實(shí)現(xiàn)
        5.4.1 接收用戶消息
        5.4.2 回復(fù)用戶消息
        5.4.3 聊天界面展示
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文以及科研成果
致謝



本文編號(hào)：3824987