基于深度学习的情感智能回复生成的设计与研究

发布时间：2020-12-29 19:12

　　近年来,随着互联网和计算机科学技术的研究,特别是深度学习技术的研究,推动了文本自动生成技术的发展,文本生成的技术广泛应用于聊天机器人,文本摘要生成,机器翻译等诸多自然语言处理相关领域取得了众多突破性进展。聊天对话可以看做是个体情感的变化与表达,情感是影响对话文本内容生成的重要因素,本文致力于在文本回复生成技术中引入情感智能的因素。本文首先对对话回复生成相关技术以及研究现状进行深入研究,分析深度学习技术在对话回复生成中的问题和改进空间,从而探究结合深度学习和情感分析的技术构建基于情感智能的回复生成模型,提出基于多元状态迁移矩阵的回复生成模型,该模型在考虑上下文内容信息的基础上,更进一步融合的对话文本情感的迁移变化信息。实验评估结果显示结合情感智能可以使得文本回复生成更具备情感表现力和更生动的回复生成结果。为了更进一步探究该回复生成算法的价值和意义,本文以回复生成模型作为核心技术,基于Flask框架将回复生成模型作为后端服务嵌入到对话系统中。设计人人对话辅助功能模块,并探讨了其设计目标和应用场景。最后通过用户体验分析研究本文所构建的对话辅助功能模块在可用性等方面可以满足人们的要求,帮助并促... 

【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】：69 页

【学位级别】：硕士

【部分图文】：

自动编码机模型结构示意图

自动编码机[5]。在图像处理领域，文献[6]利用深层次的自动表示，并且基于该凑向表征进行图像检索。（2）受限玻尔兹曼机玻尔兹曼机是由 Hinton 等人[8,9,10]提出的基于概率随机的学习数据固有内在表示，而受限玻尔兹曼机是对于玻尔兹曼

提出深度稀疏编码模型，使得能够学习到图像像素块的潜在结构特3）深度神经网络知机源自于上世纪五十年代，是最早的人工神经网络，是一种分类能线性分类模型。其模型结构是经过一层隐层线性变换直接到达输出果。但是该模型却连“异或”问题都解决不了，这也是单层神经网而知道 Hiton 和 Williams 等人发明多层感知机，才解决了该问题，使为一种强大的通用函数拟合模型。该模型早期使用了 sigmoid、tanh神经元，通过著名的反向传播算法进行学习。

【参考文献】：
期刊论文
[1]多尺度特征和神经网络相融合的手写体数字识别[J]. 赵元庆,吴华.  计算机科学. 2013(08)
[2]基于深度学习的边际Fisher分析特征提取算法[J]. 孙志军,薛磊,许阳明.  电子与信息学报. 2013(04)



本文编号：2946149