面向智能应答的语料库构建研究

发布时间：2024-05-08 21:03

　　随着自然语言处理技术的越来越成熟,市场上的应答机器人产品也越来越多,其中比较具有代表性的应答机器人产品有苹果的Siri、微软的小冰、亚马逊的语音助手Alexa等等。研发应答机器人的关键内容在于应答语料库的构建,目前市场上应答语料库的构建方法主要有基于知识检索的检索式构建方法、基于人工模板的情景式构建方法、基于深度学习的生成式构建方法。然而,对于单一基于知识检索构建、基于人工模板的情景式构建或者基于深度学习的生成式方法构建的应答语料库远没有达到期望的效果,同时应答内容缺乏对某一领域的专业性。针对目前市面上的应答语料库构建方法不实用,达不到预期效果、应答内容缺乏对某一领域专业性的共同缺点,提出了一种混合式的智能应答语料库构建方法的改进方案。本文提出的混合式的智能应答语料库构建方法是基于深度学习的生成式应答语料库构建方法结合基于AIML的情景式应答语料库构建方法。即它具备了基于AIML的情景式应答语料库在软件工程领域答疑的精准性,同时也具有基于深度学习的生成式应答语料库在日常应答中表现出来的专业性(对上下文内容的理解记忆能力)。本文基于深度学习的生成式应答语料库构建方法,充分利用了深度学习中...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图3.4CNN网络结构

11相连，这里所指区域的大小只取决于卷积核的大小。卷积神经网络结构示意图如图3.4所示。图3.4CNN网络结构从图3.4可以看出，卷积神经网络由卷积层、抽样层、全连接层组成。卷积层是CNN中最重要的一个层次，通过卷积的计算可以发现更多的特征信息，在参数共享机制下....

图4.8训练过程输出结果

进行模型训练时采用的是循环迭代的方式进行数据迭代，Encoder的输入使用的是question集中的对话语料，Decoder的输入使用的是answer集中与question中相对应的对话语料和Encoder的输出结果。本文在进行模型训练过程中进行了大量的迭代，模....

图5.2基于RNN的Encoder-Decoder模型

合式专业知识库模块语音合成MYSQL数据库开始结束图5.1整体流程图5.2生成式智能应答语料库构建方法对比为了与本文中生成式智能应答语料库构建方法中使用的基于Attention机制的双向LSTM编码模型结果进行对比。本文使用相同的对话语料数据针对性的构建了一个只使用R....

图5.3基于Attention的Encoder-Decoder模型

于RNN的Encoder-Decoder模型图5.3基于Attention的Encoder-Deco比图5.2基于RNN的Encoder-Decoder模型，5.3基于Attenr-Decoder模型中的对话可以看出，本文提出的embedd....

本文编号：3967821