智能回复系统研究综述
发布时间:2022-12-08 06:29
网络舆情形成快、影响大,如何对其进行智能导控一直是网络安全中的难点和重点。本文提出使用智能回复系统对网络舆情进行自动引导的观点,然后对智能回复系统研究进行了综述。本文首先介绍了当前智能回复系统的主流研究方向,如视觉问答、基于知识图谱的问答和推理问答等不同类型的智能回复系统;接着根据应用场景的不同分别介绍了垂直领域和开放领域的智能回复系统,然后从技术手段上对实现智能回复系统的各种主流方法进行了详细的介绍和探讨。最后本文总结归纳了当前智能回复系统的自动评价方法以及当前智能回复系统存在的主要问题及未来可能的研究方向。
【文章页数】:15 页
【文章目录】:
1 引言
2 智能回复系统主流研究方向
2.1 视觉问答
2.2 基于知识图谱的问答
2.3 推理问答
3 垂直领域智能回复系统VS.开放领域智能回复系统
3.1 垂直领域智能回复系统
3.1.1 Pipeline Methods
3.1.2 end-to-end模型
3.2 开放领域的智能回复系统
4 检索模型VS.生成模型
4.1 检索模型
4.1.1 基于浅层语义表示的方法
4.1.2 基于深度语义表示的方法
4.2 生成模型
4.2.1 针对通用回复问题的改进
4.2.2 引入复制机制
4.2.3 引入个人信息
4.2.4 引入对话历史
4.2.5 引入情感分析
4.2.6 引入外部知识
4.2.7 引入语法分析
4.3 检索和生成的混合模型
5 常用评价方法
5.1 基于重叠词
5.2 基于词向量
5.3 其他方法
6 语料资源归纳
6.1 推特语料
6.2 Ubuntu语料
6.3 微博语料
7 总结
【参考文献】:
期刊论文
[1]舆情监测系统设计[J]. 张昕,孙江辉. 现代电子技术. 2015(11)
本文编号:3713736
【文章页数】:15 页
【文章目录】:
1 引言
2 智能回复系统主流研究方向
2.1 视觉问答
2.2 基于知识图谱的问答
2.3 推理问答
3 垂直领域智能回复系统VS.开放领域智能回复系统
3.1 垂直领域智能回复系统
3.1.1 Pipeline Methods
3.1.2 end-to-end模型
3.2 开放领域的智能回复系统
4 检索模型VS.生成模型
4.1 检索模型
4.1.1 基于浅层语义表示的方法
4.1.2 基于深度语义表示的方法
4.2 生成模型
4.2.1 针对通用回复问题的改进
4.2.2 引入复制机制
4.2.3 引入个人信息
4.2.4 引入对话历史
4.2.5 引入情感分析
4.2.6 引入外部知识
4.2.7 引入语法分析
4.3 检索和生成的混合模型
5 常用评价方法
5.1 基于重叠词
5.2 基于词向量
5.3 其他方法
6 语料资源归纳
6.1 推特语料
6.2 Ubuntu语料
6.3 微博语料
7 总结
【参考文献】:
期刊论文
[1]舆情监测系统设计[J]. 张昕,孙江辉. 现代电子技术. 2015(11)
本文编号:3713736
本文链接:https://www.wllwen.com/guanlilunwen/ydhl/3713736.html