基于多任务学习和知识图谱的对话技术研究

发布时间：2021-12-28 05:10

　　现如今,数据规模的指数级增长加剧了用户对以友好和自然的方式随时随地获取所需要信息的渴望,对话系统应运而生。对话系统作为一种新型的人机交互工具,能够通过自然语言的方式实现。按照应用范围的不同,对话系统可以划分为两类,分别是非任务型和任务型,本文的研究主要集中于任务型对话系统。作为任务型对话系统内部运行的机制,任务型对话模型的研究随着人工智能以及自然语言处理技术的蓬勃发展而越来越深入。但是,现有的任务型对话模型的研究存在以下问题:首先,作为自然语言理解模块中的重要组成部分,意图识别任务和槽填充任务之间的关联性非常显著,但在目前的研究中,很少能够充分利用二者之间的关联关系和共享信息。另外,由于在任务型对话模型中,用户输入文本长度有限,导致文本描述概念信号比较弱,文本特征严重不足。对话响应生成模块的作用是组织适当的应答语句,将模型的答复转换成用户能够理解的自然语言,现有的对话响应生成方法通常存在生成结果不可控的问题,部分生成的语句可能含有语法错误或造成歧义,又或者是信息量较少的无用语句。针对以上问题,本论文研究基于多任务学习和知识图谱的对话模型的构建,主要针对对话模型中的自然语言理解和对话响应...

【文章来源】： 华侨大学福建省

【文章页数】：71 页

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题背景
    1.2 国内外研究现状
        1.2.1 意图识别与槽填充
        1.2.2 对话响应生成
    1.3 本文主要内容和组织结构
        1.3.1 本文主要内容
        1.3.2 文章组织架构
第2章 问题描述与研究框架
    2.1 意图和槽位识别问题描述
    2.2 对话响应生成问题描述
    2.3 对话模型总体研究框架
    2.4 本章小结
第3章 基于多任务学习融合知识的意图和槽位联合识别模型构建
    3.1 意图和槽位联合识别问题描述
    3.2 基于多任务学习融合知识的意图和槽位联合识别模型
        3.2.1 共享表示特征
        3.2.2 基于多任务学习的意图和槽位联合模型
        3.2.3 外部知识的融入
        3.2.4 联合识别模型的优化
    3.3 实验结果及分析
        3.3.1 数据集
        3.3.2 基线模型
        3.3.3 实验设置
        3.3.4 评价标准
        3.3.5 实验结果及分析
    3.4 本章小结
第4章 基于知识图谱的对话响应生成模型构建
    4.1 对话响应生成
    4.2 基于知识图谱的对话响应生成模型
        4.2.1 知识导入层
        4.2.2 注入知识的Seq2Seq模型
        4.2.3 覆盖率机制
    4.3 实验结果及分析
        4.3.1 数据集
        4.3.2 基线模型
        4.3.3 实验设置
        4.3.4 评价标准
        4.3.5 实验结果及分析
    4.4 本章小结
第5章 基于多任务学习和知识图谱对话模型的应用分析
    5.1 实验环境
    5.2 模型整体架构
    5.3 原型系统功能实现
        5.3.1 自然语言理解功能
        5.3.2 数据管理功能
        5.3.3 对话响应生成功能
    5.4 本章小结
第6章 总结与展望
    6.1 全文总结
    6.2 论文创新点
    6.3 展望
参考文献
致谢
个人简历、在校期间发表学术论文和研究成果



本文编号：3553464