基于深度学习的开放域情感对话生成研究

发布时间：2021-01-28 03:12

　　开放域情感对话旨在非任务型的闲聊式对话中,为机器生成的应答语句赋予相应情感,从而使人机对话交互更加自然、亲切和生动。伴随着社交网络的迅猛发展,海量的对话语料为对话系统提供了丰富的数据资源支撑,而计算机硬件和深度学习的发展又为对话生成提供了强大的技术支持。近年来,对话系统在学术界和工业界已受到得越来越多的青睐和关注。在人机对话发展中,赋予对话系统情感感知和互动是一个重要方面,然而目前解决这一问题也存在着诸多困难和挑战。首先,在数据方面需要大规模的具有情感标注的对话语料。其次,在对话生成的质量上如何做到流畅通顺、上下文相关,另外如何使得生成的对话蕴含相应的情感色彩。最后,开放域对话并无唯一标准的应答语句,如何对机器生成的对话进行评测是面临的又一难题。本文采用了NLPCC 2017情感对话生成任务中数据集,利用深度学习模型解决情感对话生成中的挑战,尝试和采用了多种评测指标和方法。具体来说,本文在带有情感标签的大规模对话语料集上,利用深度学习技术训练序列到序列模型生成对话语句,在此基础上,使用预训练的情感监督模型为序列到序列模型生成的应答语句赋予相应情感。评测上采用了自动评测指标和人工评测的方... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

图２．２二维卷积网络结构??

６?４?１７??图２．４最大池化层??图２．４是在４?ｘ?４大小的卷积运算矩阵进行２?ｘ?２局部窗口最大池化的例子，通??过最大池化保留了原卷积运算矩阵中局部区域的最显著特征。??２．２．２循聊经网络??循环神经网络（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＲＮＮ）是一类具有短期记忆的神??经网络模型，常用于序列信息的建模。简单的两层前馈神经网络中，只存在相邻??的层与层之间的连接，每层的节点之间是无连接的，并且需要事先固定好输入、??输出数据的长度，对于变长序列的数据无法进行处理。循环神经网络除了在层与??层之间具有连接，每层中的神经元之间也是存在连接的，将序列中的每个节点看??作时间节点，沿时间维度就可迭代地处理变长序列的数据。??假设循环神经网络的输入是序列Ｘ?＝?［ｈ，ｘ２，ｘＴ］，那么在／时刻的输入为ｘｔ，??隐藏层对应的输出向量＆不仅会接收当前时刻输入的序列的的信息

?６?７??６?４?１７??图２．４最大池化层??图２．４是在４?ｘ?４大小的卷积运算矩阵进行２?ｘ?２局部窗口最大池化的例子，通??过最大池化保留了原卷积运算矩阵中局部区域的最显著特征。??２．２．２循聊经网络??循环神经网络（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＲＮＮ）是一类具有短期记忆的神??经网络模型，常用于序列信息的建模。简单的两层前馈神经网络中，只存在相邻??的层与层之间的连接，每层的节点之间是无连接的，并且需要事先固定好输入、??输出数据的长度，对于变长序列的数据无法进行处理。循环神经网络除了在层与??层之间具有连接，每层中的神经元之间也是存在连接的，将序列中的每个节点看??作时间节点，沿时间维度就可迭代地处理变长序列的数据。??假设循环神经网络的输入是序列Ｘ?＝?［ｈ


本文编号：3004253