基于自然语言的家用机器人服务知识自主生成机制

发布时间：2020-10-17 00:05

　　 家庭服务具备复杂性和多样性,可以看作是简单动作的逻辑组合,在子任务相互协作下最终满足人们的服务需求。机器人在执行家庭服务的过程中,需要在考虑自身环境的同时具备相应的服务执行概念,即执行服务所需的知识。传统的服务知识主要指在研究者的监督下面向服务整体构建的知识,通过设计相应的服务规则实现对子任务间逻辑关系的规划,并最终形成满足人们需求的服务知识。基于该类方法的知识构建需要消耗大量人力资源,并且构建的知识只能针对特定服务场景,不具备普适性。网络上存储的家庭服务相关的自然语言信息具备完成服务所需的服务要素(如服务工具,执行动作,子任务之间的逻辑关系等),能够为机器人执行服务提供策略性指导。因此,研究机器人如何通过学习和理解服务相关自然语言并将其转化为服务知识有利于提高机器人的服务技能与智能水平,具备重要意义。本文针对复杂的家庭环境,深入研究面向家庭服务的自然语言理解与知识构建的方法,分别从信息表达,策略生成,服务要素提取,以及知识构建四个方面展开。论文主要工作如下:1.针对家庭服务领域的自然语言信息表达,提出一种以服务工具信息为引导的、基于神经网络的文本表示模型,一方面提高该领域信息表达的准确性,另一方面通过引入工具信息增加文本表示模型对服务相关词汇的重视程度。首先,构建基于端到端神经网络模型的工具认知层,根据服务需求生成对应的服务工具信息。其次,在词向量训练阶段引入工具信息,强调服务工具词汇的重要性。最后,在文本向量训练阶段,构建基于服务工具信息的注意力机制,将服务工具信息关联到句向量表达中,并基于句向量完成家庭服务领域的文本表示。2.规范的服务策略能够为机器人执行家庭服务提供指导信息。针对有效策略信息的生成,提出以服务工具信息和词汇关联度引导的、基于强化学习的服务策略生成方法。在策略输出的准确性方面,我们构建基于服务工具信息的激励函数,引导模型生成有效的服务策略信息。在策略输出的稳定性方面,我们通过引入词汇关联度提高模型策略输出的稳定性。针对家庭服务领域训练数据稀缺问题,提出基于一种基于对抗学习的策略生成方法。利用生成式对抗网络模拟策略信息的真实分布,生成具备参考价值的服务策略。3.围绕策略信息中服务要素的提取,提出一种基于强化学习的动作序列生成方法,实现由策略信息向动作序列的转化。动作序列中包含服务要素信息,有利于后续服务知识的自主生成。首先,利用语义解析技术获取策略信息包含的服务要素。其次,提出一种基于物品状态的服务评判方法,评估动作序列的有效性。之后,构建家庭服务仿真平台,模拟机器人的服务执行过程。最后,以仿真平台为交互环境,结合服务评判方法实现基于强化学习的动作序列生成。4.针对服务知识构建,提出一种层次化物品知识库的构建方法,赋予动作序列对应的物品操作知识,并最终形成服务知识。针对服务知识的量化修正,提出一种基于用户评价的服务知识修正方法,通过学习用户评价信息,完成对相关服务动作的调节,并最终实现对服务效果的量化调整。首先,基于服务知识完成对用户评价信息的扩展,提高修正模型的推理能力。其次,利用语义网络规则语言设计服务修正规则,实现由规则条件到规则结论的映射过程。最后,构建基于注意力机制的知识修正模型完成基于用户评价信息的服务知识量化修正。
【学位单位】：山东大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TP242;TP391.1
【部分图文】：

利用强化学习方法引导修正模型对扩充后的输入信息进行选择性提取，并最终根??据提取信息选择对应的规则条件，实现基于用户评价服务知识量化修正。??研究内容各部分之间的关系如图１－１所示。通过研究面向家庭服务的自然语??言信息表达，能够作为基础为服务策略生成以及服务知识修正提供信息表达方式。??利用信息表达方法中涉及的工具认知层和词向量句向量表示，可以构建面向服务??任务执行的问答系统，根据服务请求产生规范的服务策略信息，该信息包含服务??执行需要的内容（如服务工具、执行动作、执行逻辑等）。针对机器人应用，将??服务策略信息转化为面向服务操作的动作序列，从而实现由文本层面向操作层面??的转化。之后，结合层次化物品知识库、物品状态信息与生成的动作序列共同构??成服务知识。另外，服务知识中包含的物品状态、操作动作等信息也可扩充用户??对服务执行结果的评价信息

ｌｅｆｔ?ｏｆ?ｔｈｅ?ｐｌａｔｅ，?ｏｒ?ｏｎ?ｔｈｅ?ｍｉｄｄｌｅ?ｏｆ?ｔｈｅ?ｐｌａｔｅ．??（ｂ）?ｗｉｋｉＡｎｓｗｅｒ?中的数据??图２－９?ｗｉｋｉＨｏｗ和ｗｉｋｉＡｎｓｗｅｒ中的信息对比??３１??

其中的工具名称按照特定的顺序进行排列。本章节涉及的工具名称主要指??与执行家庭服务相关的物体，不限于工具。工具次序为工具名称在家庭服务相关??文本中第一次出现的顺序。如图３－３所示，服务请求“Ｈｏｗ?ｔｏ?ｃｏｏｋ?ｃｏｆｆｅｅ”对??应的工具信息可以表示为“（ｗａｔｅｒ，?ｃｏｆｆｅｅ?ｍａｋｅｒ，?ｔｅａｂａｇ，?ｃｕｐ）”。服务工具按照它们??在文本中第一次出现的顺序进行排列，我们相信工具次序可以在某种层度上反映??出家庭服务中子任务的执行顺序。通过将问题向量与代表工具信息的特征向量进??行串联，我们实现了问题表达的扩展。??（２）答案生成层??答案生成层是一个编码器－解码器结构的模型，能够根据扩展后的问题向量??产生对应的服务策略。利用编码器－解码器结构，问答系统可以学习在连续空间??中的句子表达，并保存句子的语义信息。编码器能够将一个维度不固定的序列映??射成一个固定维度的向量，而解码器能将编码器传递的向量映射回一个可变维度??的向量［１２９］。在本章节
【相似文献】

相关期刊论文 前10条

1 黄辉宇;徐松;;医疗服务知识互补度与效度理论及其在医院的应用[J];现代医院;2007年06期

2 ;积极“备战”2018数博会——每日一练大数据知识志愿者培训很严格[J];大众科学;2018年05期

3 杨全照;服务知识经济──统计发展的新视角[J];统计与决策;2000年03期

4 赵庆荣;;知识服务视域下的新建本科院校后勤服务知识共享系统构建[J];中国教育信息化;2012年03期

5 陈天伦;图书馆在服务知识创新中发展[J];图书馆建设;2001年03期

6 徐享王;;图书馆服务知识读者化的研究[J];农业图书情报学刊;2012年09期

7 曾翠;桑毅;;高校图书馆嵌入式服务知识协作模式研究[J];情报探索;2014年12期

8 陈思杰;;浅谈多渠道一体化供电服务知识管理运营体系的构建[J];企业技术开发;2015年14期

9 李明湖;;服务知识创新是科技图书馆的永恒主题[J];科技情报开发与经济;2013年11期

10 冼爱文,罗宁;图书馆如何服务知识经济[J];广西政法管理干部学院学报;2000年03期

相关博士学位论文 前3条

1 张梦洋;基于自然语言的家用机器人服务知识自主生成机制[D];山东大学;2019年

2 黄辉宇;基于医疗服务知识成本计量与监控的医疗价格体系研究[D];天津大学;2007年

3 李冰;基于二次匹配的精准服务推荐研究[D];武汉理工大学;2014年

相关硕士学位论文 前2条

1 苏永佳;基于知识共享的公共服务创新研究[D];北京航空航天大学;2008年

2 张巧;技术转移服务质量影响因素研究[D];大连理工大学;2016年

本文编号：2843973