任务型对话系统平台的设计与实现
发布时间：2021-05-18 18:05
随着人工智能的浪潮兴起,智能聊天机器人成了人们研究的热门,人们希望机器像人一样思考,与人类对话,并成为人类的帮手。在聊天机器人中,一类重要的机器人是私人助理机器人,或者称为任务型对话系统,该类系统主要帮助用户完成任务型的指令,例如:查询天气、订车票机票等。一个任务型对话系统通常主要包含两个模块:一是命令解析模块,二是对话管理模块。命令解析模块的主要任务是将用户输入的非结构化自然语言命令转化为结构化的语义表示;对话管理模块的主要任务是,维护系统和用户交互的上下文信息,与用户进行基于自然语言的交互,最终完成用户的命令。首先,本课题从任务型对话系统纵向的维度出发,重点考察命令解析模块的算法准确性。本文首重点考察了采用基于语义槽填充的命令解析方法。基于语义槽填充的命令解析方法中,任务的输入是用户的命令型语句,输出为命令的语义槽实体标注序列,如出发日期,出发地点等,故可将该任务看作类似于命名实体识别任务,以序列标注任务的方法解决。本文实验了基于深度学习的语义槽填充方法,在英文语料上进行了实验。实验结果表明,基于深度学习的方法相比于基准方法,结果得到了大幅度的提升。其次,本课题从任务型对话系统横向...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究目的和意义
1.2 任务型对话系统框架介绍
1.3 基于语义槽填充的命令解析方法研究现状
1.3.1 基于规则的方法
1.3.2 基于传统机器学习的方法
1.3.3 基于深度学习的方法
1.4 现有任务型对话系统平台调研
1.4.1 LUIS.AI
1.4.2 API.AI
1.4.3 WIT.AI
1.4.4 系统功能对比
1.5 本文研究内容及章节安排
1.5.1 本文研究内容
1.5.2 本文章节安排
第2章 基于语义槽填充的命令解析
2.1 引言
2.2 基于语义槽填充的命令解析
2.3 模型介绍
2.3.1 基于规则的方法
2.3.2 基于手工提取特征的统计学习的方法
2.3.3 基于深度学习的方法
2.3.4 循环神经网络模型介绍
2.3.5 长短期记忆神经网络
2.4 研究方案
2.4.1 基线模型：条件随机场模型
2.4.2 实验模型 1：循环神经网络
2.4.3 实验模型 2：双向长短期记忆神经网络
2.4.4 实验模型 3：加入条件随机场层的双向长短期记忆神经网络
2.5 实验语料的准备
2.5.1 数据集
2.5.2 标注方法
2.6 实验结果
2.6.1 评价指标
2.6.2 实验模型
2.6.3 实验结果
2.7 本章小结
第3章 任务型对话系统平台的设计
3.1 引言
3.2 命令解析模块设计
3.2.1 语义槽填充
3.2.2 意图识别
3.3 对话控制模块设计
3.3.1 基于语义槽填充的意图内对话控制设计
3.3.2 基于上下文共享的意图间对话控制设计
3.3.3 基于输入上下文和输出上下文的意图间流程控制
3.4 任务型对话系统平台的设计
3.5 本章小结
第4章 任务型对话系统平台的实现
4.1 引言
4.2 基于微服务的系统架构设计
4.2.1 微服务架构简介
4.2.2 任务型度化管理平台的微服务模块设计
4.3 命令解析服务的实现
4.3.1 开发阶段
4.3.2 训练阶段
4.3.3 识别阶段
4.4 对话管理服务的实现
4.4.1 对话状态定义
4.4.2 对话管理总体控制流程
4.4.3 意图内对话控制模块的实现
4.4.4 意图间对话控制模块的实现
4.5 前端服务的实现
4.6 模型训练服务的实现
4.7 案例展示
4.7.1 添加意图、实体、语义槽、语料
4.7.2 训练模型
4.7.3 调用结果
4.8 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
本文编号：3194249
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究目的和意义
1.2 任务型对话系统框架介绍
1.3 基于语义槽填充的命令解析方法研究现状
1.3.1 基于规则的方法
1.3.2 基于传统机器学习的方法
1.3.3 基于深度学习的方法
1.4 现有任务型对话系统平台调研
1.4.1 LUIS.AI
1.4.2 API.AI
1.4.3 WIT.AI
1.4.4 系统功能对比
1.5 本文研究内容及章节安排
1.5.1 本文研究内容
1.5.2 本文章节安排
第2章 基于语义槽填充的命令解析
2.1 引言
2.2 基于语义槽填充的命令解析
2.3 模型介绍
2.3.1 基于规则的方法
2.3.2 基于手工提取特征的统计学习的方法
2.3.3 基于深度学习的方法
2.3.4 循环神经网络模型介绍
2.3.5 长短期记忆神经网络
2.4 研究方案
2.4.1 基线模型：条件随机场模型
2.4.2 实验模型 1：循环神经网络
2.4.3 实验模型 2：双向长短期记忆神经网络
2.4.4 实验模型 3：加入条件随机场层的双向长短期记忆神经网络
2.5 实验语料的准备
2.5.1 数据集
2.5.2 标注方法
2.6 实验结果
2.6.1 评价指标
2.6.2 实验模型
2.6.3 实验结果
2.7 本章小结
第3章 任务型对话系统平台的设计
3.1 引言
3.2 命令解析模块设计
3.2.1 语义槽填充
3.2.2 意图识别
3.3 对话控制模块设计
3.3.1 基于语义槽填充的意图内对话控制设计
3.3.2 基于上下文共享的意图间对话控制设计
3.3.3 基于输入上下文和输出上下文的意图间流程控制
3.4 任务型对话系统平台的设计
3.5 本章小结
第4章 任务型对话系统平台的实现
4.1 引言
4.2 基于微服务的系统架构设计
4.2.1 微服务架构简介
4.2.2 任务型度化管理平台的微服务模块设计
4.3 命令解析服务的实现
4.3.1 开发阶段
4.3.2 训练阶段
4.3.3 识别阶段
4.4 对话管理服务的实现
4.4.1 对话状态定义
4.4.2 对话管理总体控制流程
4.4.3 意图内对话控制模块的实现
4.4.4 意图间对话控制模块的实现
4.5 前端服务的实现
4.6 模型训练服务的实现
4.7 案例展示
4.7.1 添加意图、实体、语义槽、语料
4.7.2 训练模型
4.7.3 调用结果
4.8 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
本文编号：3194249
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3194249.html
