机器人交互界面情感呈现系统的设计与实现
发布时间：2021-09-19 21:19
随着人工智能的发展和硬件水平的进步,高性能芯片和集成电路的问世给予了服务机器人完成复杂功能的有力支持。但是,软件方面,大多数具备软件应用系统的服务机器人系统界面简陋、软件功能单一、人机交互生硬。随着服务机器人在人类生活中扮演着越来越重要的角色,关于如何提升人机友好度已成为当下的迫切需求。利用自然语言处理技术,对机器人聊天文本进行语义分析,让机器人具备情感表达能力,成为当下研究热点之一。同时,机器人由于其功能的多样性,存在多个基于不同开发语言和运行环境的独立功能模块,如何构建统一的机器人交互系统也成为当今一大难点。针对上述问题和需求,本文主要开展以下工作:对于机器人的聊天文本进行情感分析并通过交互界面进行展现,以达到情感呈现目的。从构建情感词典和情感判别规则、Word2Vec结合SVM分类器和深度学习模型三个方向开展情感分析任务实验。实验结果表明,基于word2vec和LSTM深度神经网络模型的情感分类方法准确率和召回率较好,被选用于机器人情感呈现功能实现方案。在情感分析系统的构建中,为构建接口统一的软件交互系统,增强其扩展性、降低维护成本,本文结合政务服务实际场景,以服务机器人为载体,...
【文章来源】：南京邮电大学江苏省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
基于gensim的word2vec基本训练流程
图 3.5 基于 word2vec 的词语相似度测试3.5 本章小结文本的预处理工作是文本情感识别中的一个重要环节，文本语料质量的高低直接影响到后续文本情感识别结果的好坏。本章介绍了一些分词的基本方法和文本的表示模型，以及词向量训练工具 word2vec 的原理和相关概念，并详细介绍了 word2vec 中的两种模型—CBOW模型和 Skip-gram 模型。最后利用 Jieba 分词工具和自然语言处理库 gensim 对语料进行分词和训练词向量的工作。训练结果表明，经 Word2Vec 训练获取的词向量含有丰富语义信息，词义越相近的词语其相似度越接近 1，而词义越不相关的词语相似度越接近 0。在下一章节，将介绍如何利用所获取的词向量作为输入进行情感分类等相关内容。
南京邮电大学专业学位硕士研究生学位论文 系统各模块具体设计与实现第五章 系统各模块具体设计与实现5.1 系统前端部分设计与实现整个机器人交互界面分为地图导航、语音对话、窗口引导、业务介绍、互动娱乐和业务取号模块。其中语音对话模块作为情感呈现系统的主体，其前端部分主要包括语音对话和情感呈现功能，在用户进入该模块和机器人进行人机对话时，页面上随着机器人回答文本的展现和情感的变化，相应机器人虚拟表情也发生变化。图 5.1（a）是机器人交互界面整体效果，图 5.1（b）是政务服务机器人“栖栖”。
【参考文献】：
期刊论文
[1]基于极性转移和LSTM递归网络的情感分析[J]. 梁军,柴玉梅,原慧斌,高明磊,昝红英. 中文信息学报. 2015(05)
[2]一种模式匹配和统计学习相结合的文本情感分类方法[J]. 潘正高,张磊. 宿州学院学报. 2013(01)
[3]中文情感分类挖掘预处理关键技术比较研究[J]. 夏火松,刘建,朱慧毅. 情报杂志. 2011(09)
[4]文本情感分析[J]. 赵妍妍,秦兵,刘挺. 软件学报. 2010(08)
[5]基于语义理解的文本情感分类方法研究[J]. 闻彬,何婷婷,罗乐,宋乐,王倩. 计算机科学. 2010(06)
[6]基于短语模式的文本情感分类研究[J]. 李钝,曹付元,曹元大,万月亮. 计算机科学. 2008(04)
硕士论文
[1]基于词典和机器学习组合的情感分析[D]. 丁蔚.西安邮电大学 2017
[2]基于多元特征融合和LSTM神经网络的中文评论情感分析[D]. 李科.太原理工大学 2017
[3]基于递归神经网络的微博情感分类研究[D]. 孙超红.浙江理工大学 2017
[4]基于word2vec和SVMperf的网络中文文本评论信息情感分类研究[D]. 苏增才.河北科技大学 2015
[5]基于深度学习的文本情感分类研究[D]. 朱少杰.哈尔滨工业大学 2014
本文编号：3402353
【文章来源】：南京邮电大学江苏省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
基于gensim的word2vec基本训练流程
图 3.5 基于 word2vec 的词语相似度测试3.5 本章小结文本的预处理工作是文本情感识别中的一个重要环节，文本语料质量的高低直接影响到后续文本情感识别结果的好坏。本章介绍了一些分词的基本方法和文本的表示模型，以及词向量训练工具 word2vec 的原理和相关概念，并详细介绍了 word2vec 中的两种模型—CBOW模型和 Skip-gram 模型。最后利用 Jieba 分词工具和自然语言处理库 gensim 对语料进行分词和训练词向量的工作。训练结果表明，经 Word2Vec 训练获取的词向量含有丰富语义信息，词义越相近的词语其相似度越接近 1，而词义越不相关的词语相似度越接近 0。在下一章节，将介绍如何利用所获取的词向量作为输入进行情感分类等相关内容。
南京邮电大学专业学位硕士研究生学位论文 系统各模块具体设计与实现第五章 系统各模块具体设计与实现5.1 系统前端部分设计与实现整个机器人交互界面分为地图导航、语音对话、窗口引导、业务介绍、互动娱乐和业务取号模块。其中语音对话模块作为情感呈现系统的主体，其前端部分主要包括语音对话和情感呈现功能，在用户进入该模块和机器人进行人机对话时，页面上随着机器人回答文本的展现和情感的变化，相应机器人虚拟表情也发生变化。图 5.1（a）是机器人交互界面整体效果，图 5.1（b）是政务服务机器人“栖栖”。
【参考文献】：
期刊论文
[1]基于极性转移和LSTM递归网络的情感分析[J]. 梁军,柴玉梅,原慧斌,高明磊,昝红英. 中文信息学报. 2015(05)
[2]一种模式匹配和统计学习相结合的文本情感分类方法[J]. 潘正高,张磊. 宿州学院学报. 2013(01)
[3]中文情感分类挖掘预处理关键技术比较研究[J]. 夏火松,刘建,朱慧毅. 情报杂志. 2011(09)
[4]文本情感分析[J]. 赵妍妍,秦兵,刘挺. 软件学报. 2010(08)
[5]基于语义理解的文本情感分类方法研究[J]. 闻彬,何婷婷,罗乐,宋乐,王倩. 计算机科学. 2010(06)
[6]基于短语模式的文本情感分类研究[J]. 李钝,曹付元,曹元大,万月亮. 计算机科学. 2008(04)
硕士论文
[1]基于词典和机器学习组合的情感分析[D]. 丁蔚.西安邮电大学 2017
[2]基于多元特征融合和LSTM神经网络的中文评论情感分析[D]. 李科.太原理工大学 2017
[3]基于递归神经网络的微博情感分类研究[D]. 孙超红.浙江理工大学 2017
[4]基于word2vec和SVMperf的网络中文文本评论信息情感分类研究[D]. 苏增才.河北科技大学 2015
[5]基于深度学习的文本情感分类研究[D]. 朱少杰.哈尔滨工业大学 2014
本文编号：3402353
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3402353.html
