融合数据库查询的对话管理模型研究与应用
发布时间：2020-09-21 09:06
任务型人机对话系统旨在使机器通过自然语言与用户进行交互,帮助用户完成特定任务,已广泛应用于各领域企业智能客户服务中。在很多客服系统中,都需要在对话过程中进行数据库查询(如订票),并依据查询结果来响应用户。对话管理是对话系统的核心,负责维护对话状态并基于此生成响应用户的对话策略。但是,现有的对话管理研究较少将数据库查询信息用于对话策略的优化。本文针对这一问题,在广泛调研的基础上,开展需要进行数据库查询的任务型人机对话管理模型的研究与应用,具体工作内容如下:提出了一个融合数据库查询的对话管理模型。模型联合建模自然语言理解、对话状态追踪和动作决策三个对话系统子任务。其中,自然语言理解模块使用长短期记忆(LSTM:Long Short-Term Memory)神经网络编码,每一轮的用户输入为一个句子向量,同时标注其中的槽值;对话状态追踪模块使用LSTM持续接收句子向量,并结合上一轮对话管理模型的动作得到对话的当前状态表示;动作决策模块采用深层Q网络,依据当前对话状态以及数据库信息进行动作决策。在会议室预订任务上的实验结果表明该模型能够在完成任务的同时,有效减少对话轮次。基于上述技术设计并实现了一个面向会议室预订的人机对话系统,系统可以通过对话交互预定所需要的会议室。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP311.13
【部分图文】：
据库的动作，并且能够快速检索数据库，将信息反馈给用户，我们将该模型称为逡逑ｅｎｔｒｏｐｙ＆ｒｕｌｅｓ。我们将与用户交互的Ａｇｅｎｔ称为ａｇｅｎｔｌ，与数据库交互的Ａｇｅｎｔ逡逑称为ａｇｅｎｔ２。模型的结构如图３－１所示：逡逑逦逡逑Ａｇｅｍ对用户ａｓｋ、咖ｆｉｒｍ的概率叫ｅｎｔ对数据库g鞯母怕叔义希螅铮妫簦恚幔危螅铮妫翦澹恚幔义希澹驽危掊澹苠义希澹祝兀忮澹寮壑倒兰棋危慑澹鳎忮澹杉壑倒兰棋义希澹睿澹澹睿义希遥澹酰ǎ祝兀猓╁澹危斫Ⅶ霂洌澹遥澹欤酰ǎ祝兀猓╁义鲜菘庵葱型辏允笨痰亩骱箪氐谋痘煎危驽味曰白刺㈠义希村危五危叔危惧义希翦五危驽义希铃澹蓿保保卞危裕蓿苠义仙弦宦侄曰岸鳎尉渥覸晷潜硎惧紊弦宦侄曰岸鳎寰渥酉蛟北硎惧义希澹悖澹欤戾澹悖澹欤戾澹辍垮濉ⅲ浚赍澹悖澹欤戾澹慑危澹悖澹欤戾澹辏悖澹欤戾澹垮逡唬赍澹悖澹欤戾澹义
本文编号：2823319
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP311.13
【部分图文】：
据库的动作，并且能够快速检索数据库，将信息反馈给用户，我们将该模型称为逡逑ｅｎｔｒｏｐｙ＆ｒｕｌｅｓ。我们将与用户交互的Ａｇｅｎｔ称为ａｇｅｎｔｌ，与数据库交互的Ａｇｅｎｔ逡逑称为ａｇｅｎｔ２。模型的结构如图３－１所示：逡逑逦逡逑Ａｇｅｍ对用户ａｓｋ、咖ｆｉｒｍ的概率叫ｅｎｔ对数据库g鞯母怕叔义希螅铮妫簦恚幔危螅铮妫翦澹恚幔义希澹驽危掊澹苠义希澹祝兀忮澹寮壑倒兰棋危慑澹鳎忮澹杉壑倒兰棋义希澹睿澹澹睿义希遥澹酰ǎ祝兀猓╁澹危斫Ⅶ霂洌澹遥澹欤酰ǎ祝兀猓╁义鲜菘庵葱型辏允笨痰亩骱箪氐谋痘煎危驽味曰白刺㈠义希村危五危叔危惧义希翦五危驽义希铃澹蓿保保卞危裕蓿苠义仙弦宦侄曰岸鳎尉渥覸晷潜硎惧紊弦宦侄曰岸鳎寰渥酉蛟北硎惧义希澹悖澹欤戾澹悖澹欤戾澹辍垮濉ⅲ浚赍澹悖澹欤戾澹慑危澹悖澹欤戾澹辏悖澹欤戾澹垮逡唬赍澹悖澹欤戾澹义
本文编号：2823319
本文链接：https://www.wllwen.com/guanlilunwen/glzh/2823319.html
