任務(wù)型人機對話系統(tǒng)旨在使機器通過自然語言與用戶進行交互,幫助用戶完成特定任務(wù),已廣泛應(yīng)用于各領(lǐng)域企業(yè)智能客戶服務(wù)中。在很多客服系統(tǒng)中,都需要在對話過程中進行數(shù)據(jù)庫查詢(如訂票),并依據(jù)查詢結(jié)果來響應(yīng)用戶。對話管理是對話系統(tǒng)的核心,負責(zé)維護對話狀態(tài)并基于此生成響應(yīng)用戶的對話策略。但是,現(xiàn)有的對話管理研究較少將數(shù)據(jù)庫查詢信息用于對話策略的優(yōu)化。本文針對這一問題,在廣泛調(diào)研的基礎(chǔ)上,開展需要進行數(shù)據(jù)庫查詢的任務(wù)型人機對話管理模型的研究與應(yīng)用,具體工作內(nèi)容如下:提出了一個融合數(shù)據(jù)庫查詢的對話管理模型。模型聯(lián)合建模自然語言理解、對話狀態(tài)追蹤和動作決策三個對話系統(tǒng)子任務(wù)。其中,自然語言理解模塊使用長短期記憶(LSTM:Long Short-Term Memory)神經(jīng)網(wǎng)絡(luò)編碼,每一輪的用戶輸入為一個句子向量,同時標注其中的槽值;對話狀態(tài)追蹤模塊使用LSTM持續(xù)接收句子向量,并結(jié)合上一輪對話管理模型的動作得到對話的當前狀態(tài)表示;動作決策模塊采用深層Q網(wǎng)絡(luò),依據(jù)當前對話狀態(tài)以及數(shù)據(jù)庫信息進行動作決策。在會議室預(yù)訂任務(wù)上的實驗結(jié)果表明該模型能夠在完成任務(wù)的同時,有效減少對話輪次。基于上述技術(shù)設(shè)計并實現(xiàn)了一個面向會議室預(yù)訂的人機對話系統(tǒng),系統(tǒng)可以通過對話交互預(yù)定所需要的會議室。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP311.13
【部分圖文】：

據(jù)庫的動作，并且能夠快速檢索數(shù)據(jù)庫，將信息反饋給用戶，我們將該模型稱為逡逑ｅｎｔｒｏｐｙ＆ｒｕｌｅｓ。我們將與用戶交互的Ａｇｅｎｔ稱為ａｇｅｎｔｌ，與數(shù)據(jù)庫交互的Ａｇｅｎｔ逡逑稱為ａｇｅｎｔ２。模型的結(jié)構(gòu)如圖３－１所示：逡逑邐逡逑Ａｇｅｍ對用戶ａｓｋ、咖ｆｉｒｍ的概率叫ｅｎｔ對數(shù)據(jù)庫g韉母怕叔義希螅錚媯簦恚幔危螅錚媯翦澹恚幔義希澹駑危掊澹苠義希澹祝兀忮澹寮壑倒蘭棋危懾澹鰨忮澹杉壑倒蘭棋義希澹睿澹澹睿義希遙澹酰ǎ祝兀猓╁澹危斫Ⅶ霂洌澹遙澹歟酰ǎ祝兀猓╁義鮮菘庵蔥型輳允笨痰畝骱簞氐謀痘煎危駑味曰白刺�、辶x希村危五危叔危懼義希翦五危駑義希鈴澹蓿保保卞危裕蓿苠義仙弦宦侄曰岸鰨尉渥覸晷潛硎懼紊弦宦侄曰岸鰨寰渥酉蛟北硎懼義希澹悖澹歟戾澹悖澹歟戾澹輟垮濉�？ｊ邋ｃｅe戾澹懾危澹悖澹歟戾澹輳悖澹歟戾澹垮逡唬赍澹悖澹歟戾澹義

本文編號：2823319