任务型对话应用框架的设计与实现

发布时间：2022-01-21 11:45

　　随着科学技术的发展,聊天机器人已经不再只是科幻电影中的存在,对话系统也因为其巨大的潜力和市场价值受到越来越多的关注。任务型对话应用通过在自然语言交互中收集信息和决策帮助人们完成特定事务,减少人力成本。传统的任务型对话应用开发中,应用开发者不但要关注特定的应用场景,而且要完成意图分类和识别,会话管理等诸多任务型对话应用的通用功能。引入任务型对话应用框架提供任务型对话应用通用性和基础性的功能可以大大降低相关开发工作的复杂度和工作量。本文设计和实现了任务型对话应用框架。此框架提供了基于Web的界面,允许用户输入文字内容,并分析用户输入的语句以确定用户的意图,在必要时通过与用户的多轮对话明确用户意图,而后调用与用户意图对应的服务接口满足用户需求,通过Web界面给出响应。本文采用基于规则和神经网络的联合意图判定模型对用户语句中的意图进行判定。传统规则匹配模型采用AIML规则语句实现,神经网络意图识别模型采用LSTM获取语义特征输出不同特征下的概率,再通过SoftMax函数归一化分类结果。组合模型具备易修改和智能可训练的特点。本论文首先对任务型对话应用框架的研究背景和相关技术进行介绍;并调研了对话... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２－１?Ｗｏｒｄ２Ｖｅｃ模型示意图??

比如长短期记忆网络（Ｌｏｎｇ?Ｓｈｏｒｔ－Ｔｅｒｍ?Ｍｅｍｏｒｙ，?ＬＳＴＭ）是一种时间递归神??经网络，能够记住较长时间的历史信息，多层网络的ＬＳＴＭ可以更好地提取语料??特征达到更高的准确率［１３］。其网络单元结构如下图２－３的ＬＳＴＭ单元结构所示，??ＬＳＴＭ单元结构上方的横线表示单元结构之间能够互相传递单元结构的状态，同??时细胞单元通过三个门结构来实现加入或者删除信息［１４］，是上一个单元结构??的输出，ｘｔ是当前单元的输入，〇？是ｓｉｇｍｏｄ函数，其中遗忘门代表的函数的计算??７??

?池化层?全归一ｆｔ？出??图２－２神经网络模型实现语句分类??比如长短期记忆网络（Ｌｏｎｇ?Ｓｈｏｒｔ－Ｔｅｒｍ?Ｍｅｍｏｒｙ，?ＬＳＴＭ）是一种时间递归神??经网络，能够记住较长时间的历史信息，多层网络的ＬＳＴＭ可以更好地提取语料??特征达到更高的准确率［１３］。其网络单元结构如下图２－３的ＬＳＴＭ单元结构所示，??ＬＳＴＭ单元结构上方的横线表示单元结构之间能够互相传递单元结构的状态，同??时细胞单元通过三个门结构来实现加入或者删除信息［１４］，是上一个单元结构??的输出，ｘｔ是当前单元的输入，〇？是ｓｉｇｍｏｄ函数，其中遗忘门代表的函数的计算??７??

【参考文献】：
期刊论文
[1]任务型人机对话系统中的认知技术——概念、进展及其未来[J]. 俞凯,陈露,陈博,孙锴,朱苏.  计算机学报. 2015(12)
[2]统计与词典相结合的领域自适应中文分词[J]. 张梅山,邓知龙,车万翔,刘挺.  中文信息学报. 2012(02)
[3]口语对话管理综述[J]. 王菁华,钟义信,王枞,刘建毅.  计算机应用研究. 2005(10)



本文编号：3600198