基于强化学习与特征树结构的中文服务指令解析器研究

发布时间：2021-07-28 12:28

　　随着社会的发展,人们对服务型机器人尤其是家庭服务机器人的需求越来越大。通过自然语言处理的方法将中文服务指令解析成机器指令的问题因此成为了研究课题之一,而解析的关键在于如何让模型识别中文服务指令的内在逻辑。本文结合了国内外的研究现状,以室内家庭环境为背景,通过结合强化学习与本文提出的特征树理论,对中文服务指令的解析做了研究。首先,收集以家庭服务为背景的指令集并搭建语料库,从语料库中挑选出相应的指令作为训练集与测试集,定义连接词为相应的特征词,标注训练集指令。其次通过强化学习方法训练智能体对指令中连接词之间逻辑的识别,输入训练集并且使用Q-Learning更新系统智能体的Q值表,使得智能体能够逐渐“理解”中文服务指令并“理解”指令中的逻辑关系。在处理相对复杂的上下文语境时,可以在进行强化学习训练的同时对训练集开启语境模型训练。通过构造不同的语境搭配,并在预测中将语境模型与强化学习的预测结果进行融合,以达到模拟真实场景语境的功能。然后完成了智能体的训练工作后,开始使用测试集进行预测,观察测试结果,并调整参数以提高预测准确率。在预测结束以后,若预测的结果与实际指令逻辑不一致,则开启人机对话机制... 

【文章来源】：燕山大学河北省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

强化学习系统

它们的关系如图 2-1 所示。图 2-1 强化学习系统[10]境是对智能体所处位置的一种描述，通常是数学描述。动作是智状态下做出的反应。通过训练，使得智能体能够在当前状态下通最优动作，是训练的主要目的。奖励是当智能体每执行一次动作状态给予智能体的反馈。一般以一个值来体现，一般鼓励智能体正值，反之为负值。状态表示在某一个时间下智能体在环境的一种智能体不同时间在环境的所处位置。

图 3-1 中文服务指令解析系统3.3 中文指令知识库的建立本文的中文知识库建立分为两个部分，在通过语音引擎所收集到最初的语料库后，通过对语料库中的所有中文服务指令进行浅层信息提取与深层信息提取，逐步构造出供机器学习训练与预测使用的中文指令知识库。3.3.1 自然语言指令的特点在英语世界中有传统语法，也有现代的转换生成语法和范畴语法，任何的语言都有其语法规则或者规律，中文也不例外。本文所涉及的中文服务指令主要着眼于中文取物指令，有着自己领域内特有的一些结构特点。首先是服务指令中的词汇内容多为家庭中的物品及位置，这些词汇的数量有限而且词汇之间搭配有着一定规律（可以在口语化句子中利用这些规律还原句子成分，重构一个有着完整句子成分的句子）。其次，一个完整的中文服务指令必须有着以

【参考文献】：
期刊论文
[1]Interpreting and Extracting Open Knowledge for Human-Robot Interaction[J]. Dongcai Lu,Xiaoping Chen.  IEEE/CAA Journal of Automatica Sinica. 2017(04)
[2]机器人自然语言导航的层叠式条件随机场模型[J]. 王恒升,李熙印.  计算机工程与科学. 2017(08)
[3]面向室内智能机器人的中文服务指令自主处理方法[J]. 高胜男,孔令富,吴培良.  机器人. 2015(04)
[4]一种面向室内智能机器人导航的路径自然语言处理方法[J]. 李新德,张秀龙.  自动化学报. 2014(02)
[5]基于人机交互的移动服务机器人导航系统[J]. 黄志华,屠大维,赵其杰.  机器人. 2009(03)



本文编号：3307918