基于深度神经网络的仿人机器人对话及情感分析

发布时间：2023-04-03 04:55

　　传统的仿人机器人对话系统一般基于模板构建,可以在设定的对话领域内做出较好的回答,但无法对领域外的内容生成较好的回复。对话系统的规则依赖人工设计,缺乏对交互对象的情感检测。针对传统方法的不足,本文基于深度神经网络设计了情感分析模型用以检测交互对象情感,并搭建了仿人机器人的开放域对话系统。本文的主要研究内容和创新点有:(1)基于文本的情感分析模型。以“国际自然语言处理和中文计算会议”(NPLCC)2013、2014年公布的“微博跨语言情感识别数据”作为情感分析模型数据集,本文评估了循环神经网络、卷积神经网络、支持向量机、朴素贝叶斯等算法的分类性能,比较了算法的优劣和分类结果的相关性。为了集成各个算法的优点,进一步提高模型的准确率,本文实验对比了软投票策略和Stacking两种集成策略。最终情感分析模型采用Stacking形式构建,F1值高达0.804,可较好的检测情感状态。(2)基于注意力机制的多指标对话清洗模型。针对网络上对话数据库质量低、噪声大等缺陷,本文提出基于注意力机制的多指标对话清洗模型用于对话数据的无监督清洗。区别于现有模型,该模型的创新点在于集成了双层注意力机制,并采用多个指...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题来源
    1.2 课题研究的目的和意义
    1.3 国内外研究概况
        1.3.1 对话模型研究概况
        1.3.2 情感分析研究概况
        1.3.3 仿人机器人研究概况
    1.4 论文的主要研究内容
第二章 构建仿人机器人对话系统的相关技术
    2.1 仿人头部机器人SHFR-Ⅲ
    2.2 自然语言常用特征表示
        2.2.1 独热编码
        2.2.2 TF-IDF特征表示
        2.2.3 Word2vec
    2.3 自然语言中的深度学习应用
        2.3.1 循环神经网络
        2.3.2 卷积神经网络
        2.3.3 神经网络相关技巧
    2.4 本章小结
第三章 仿人机器人情感分析模型
    3.1 语音情感识别实现方法
    3.2 数据预处理
    3.3 情感分析模型构建
        3.3.1 支持向量机模型
        3.3.2 朴素贝叶斯模型
        3.3.3 循环神经网络模型
        3.3.4 卷积神经网络模型
    3.4 情感分析模型实验
    3.5 多模型集成
    3.6 本章小结
第四章 仿人机器人对话训练数据清洗
    4.1 对话数据清洗实现方法
    4.2 基于注意力机制的多指标模型构建
    4.3 对话数据清洗模型实验
        4.3.1 对话数据清洗模型对比实验
        4.3.2 对话数据清洗模型泛化实验
        4.3.3 对话数据清洗模型注意力机制验证
    4.4 本章小结
第五章 仿人机器人对话系统
    5.1 Seq2seq模型
    5.2 对话数据预处理
    5.3 最大互信息对话模型构建
    5.4 对话模型对比实验
    5.5 对话系统搭建
    5.6 对话系统情感检测实验
    5.7 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
作者在攻读硕士学位期间公开发表的论文
作者在攻读硕士学位期间所参与的项目
致谢



本文编号：3780701