隨著人工智能的快速發(fā)展,對(duì)話系統(tǒng)開(kāi)始走入人們的視野。對(duì)話系統(tǒng)是一種能以自然語(yǔ)言的形式與人進(jìn)行溝通交流的系統(tǒng),它們可以為用戶提供信息,甚至可以為用戶提供幫助,如由微軟推出的小冰和由蘋(píng)果公司推出的Siri等。多輪對(duì)話系統(tǒng)則是可以根據(jù)之前的對(duì)話內(nèi)容進(jìn)行連續(xù)響應(yīng)的系統(tǒng),它正在影響人們的生活,通過(guò)多次溝通的方式為用戶提供更便捷的服務(wù)和有價(jià)值的信息。近年來(lái),對(duì)話系統(tǒng)開(kāi)始由以前的檢索式對(duì)話系統(tǒng)向基于神經(jīng)網(wǎng)絡(luò)模型的生成式對(duì)話系統(tǒng)發(fā)展。盡管多輪對(duì)話系統(tǒng)性能不斷提高,但還存在許多亟待解決的問(wèn)題,比如現(xiàn)有的對(duì)話系統(tǒng)會(huì)輸出一些含有語(yǔ)法錯(cuò)誤或者有歧義的句子;會(huì)生成一些敷衍式的沒(méi)有太多信息量的無(wú)用語(yǔ)句等。針對(duì)多輪對(duì)話系統(tǒng)目前存在的問(wèn)題,本文從語(yǔ)句困惑度評(píng)價(jià)、語(yǔ)句中詞語(yǔ)話題相關(guān)性和語(yǔ)句生成等方面進(jìn)行了深入研究。本文主要工作及創(chuàng)新點(diǎn)如下:（1）提出一種基于對(duì)句子語(yǔ)義語(yǔ)法信息分析的語(yǔ)句困惑度計(jì)算方法首先,該方法從目標(biāo)語(yǔ)句中去掉所有修飾成分,獲得句子主干;然后,通過(guò)對(duì)句子主干和原句進(jìn)行句法依存分析,獲得語(yǔ)義和語(yǔ)法方面信息,用于計(jì)算目標(biāo)句子相對(duì)參照方案的困惑度;最后,對(duì)各個(gè)困惑度加權(quán)計(jì)算則求得目標(biāo)語(yǔ)句整體的困惑度。該方法可... 

【文章來(lái)源】：山東師范大學(xué)山東省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

小冰與用戶之間的多輪對(duì)話實(shí)例多輪對(duì)話的研究意圖更側(cè)重于如何準(zhǔn)確地把握用戶的對(duì)話需求，維持對(duì)話的正常進(jìn)行，同時(shí)避免系統(tǒng)輸出有語(yǔ)法錯(cuò)誤或者語(yǔ)義有歧義的句子，能聯(lián)系上下文信息和用戶的一些個(gè)

圖 2-1 句子依存句法分析圖圖 2-1 展示了一句中文語(yǔ)句進(jìn)行依存句法分析之后得到詞語(yǔ)之間的依賴(lài)關(guān)系，每一線連接的兩個(gè)詞都能構(gòu)成一個(gè)詞語(yǔ)對(duì)。從圖中，可以看出句子中的“堅(jiān)持”是中心謂詞前是句子主語(yǔ)部分，向后是句子賓語(yǔ)以及其他并列謂詞。對(duì)依存分析結(jié)果的分析表明對(duì)句法的依存語(yǔ)法分析能把句子中關(guān)鍵的主謂關(guān)系、動(dòng)賓關(guān)系和謂語(yǔ)的并列關(guān)系都表來(lái)，如與 Root 相連的動(dòng)詞是整個(gè)句子K 的核心以及弧線連接的各個(gè)詞語(yǔ)對(duì)。2.2.2 語(yǔ)法困惑度計(jì)算如果一個(gè)句子的語(yǔ)法錯(cuò)誤非常明顯或非常多，那么這句話從語(yǔ)法角度評(píng)價(jià)就會(huì)有較困惑度，也就是即便語(yǔ)義組合和搭配都是正確的，混亂的語(yǔ)法或者一些語(yǔ)病就足以讓法讀懂這句話。中文語(yǔ)法的使用非常復(fù)雜，所以有相關(guān)研究利用抽取的語(yǔ)言語(yǔ)法規(guī)則建自動(dòng)機(jī)[41]，利用這種自動(dòng)機(jī)來(lái)對(duì)中文語(yǔ)句進(jìn)行分析，所以本文借鑒這種自動(dòng)化處理想對(duì)句子進(jìn)行語(yǔ)法分析，具體如算法 2-3 所示。法 2-3. 中文語(yǔ)句的語(yǔ)法分析

圖 2-2 句子長(zhǎng)度分布圖每個(gè)機(jī)器翻譯的句子的真實(shí)的困惑度，我們組織了 6 名研究生結(jié)果對(duì)所有機(jī)器翻譯結(jié)果的合理性進(jìn)行人工評(píng)價(jià)，評(píng)分采用的了檢驗(yàn) 8 人評(píng)分的一致性，我們匯總評(píng)分?jǐn)?shù)據(jù)后計(jì)算其 kappa據(jù) kappa 系數(shù)分級(jí)，評(píng)分人員的評(píng)價(jià)結(jié)果具有較高一致性，可S 數(shù)據(jù)分析軟件對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行回歸分析，得出了 4 個(gè)困惑度.25，常數(shù)項(xiàng)的值小于 0.0001，所以可以用這 4 個(gè)分析得到的困終困惑度。中，首先用基于譯文加權(quán)改進(jìn)后的 BLEU 算法和 EPBSS 方法得出在翻譯數(shù)據(jù)集上不同數(shù)據(jù)量情況下的準(zhǔn)確率，準(zhǔn)確率對(duì)比可以看出 EPBSS 方法準(zhǔn)確率要高于基于譯文加權(quán)改進(jìn)后的 BL增加到 700 句之后，準(zhǔn)確率數(shù)值波動(dòng)開(kāi)始減小。當(dāng)測(cè)試句子數(shù)夠判別正確的有 544 句。在實(shí)驗(yàn)過(guò)程中，EPBSS 直接以所有參

【參考文獻(xiàn)】：
期刊論文
[1]From Eliza to XiaoIce:challenges and opportunities with social chatbots[J]. Heung-yeung SHUM,Xiao-dong HE,Di LI.  Frontiers of Information Technology & Electronic Engineering. 2018(01)
[2]TF-IDF與規(guī)則相結(jié)合的中文關(guān)鍵詞自動(dòng)抽取研究[J]. 牛萍,黃德根.  小型微型計(jì)算機(jī)系統(tǒng). 2016(04)
[3]口語(yǔ)對(duì)話系統(tǒng)中對(duì)話管理方法研究綜述[J]. 王玉,任福繼,全昌勤.  計(jì)算機(jī)科學(xué). 2015(06)
[4]文本情感分類(lèi)中生成式情感模型的發(fā)展[J]. 張輝,劉奕群,馬少平.  計(jì)算機(jī)應(yīng)用研究. 2014(12)
[5]基于有意義串聚類(lèi)的微博熱點(diǎn)話題發(fā)現(xiàn)方法[J]. 賀敏,王麗宏,杜攀,張瑾,程學(xué)旗.  通信學(xué)報(bào). 2013(S1)
[6]統(tǒng)計(jì)機(jī)器翻譯中雙語(yǔ)語(yǔ)料的過(guò)濾及詞對(duì)齊的改進(jìn)[J]. 梁華參,趙鐵軍.  智能計(jì)算機(jī)與應(yīng)用. 2013(04)
[7]漢語(yǔ)組塊分析研究綜述[J]. 李業(yè)剛,黃河燕.  中文信息學(xué)報(bào). 2013(03)
[8]基于中文維基百科的詞語(yǔ)相關(guān)度計(jì)算[J]. 諶志群,高飛,曾智軍.  情報(bào)學(xué)報(bào). 2012 (12)
[9]基于BLEU的英語(yǔ)翻譯自動(dòng)評(píng)分研究[J]. 王茜.  安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2010(04)
[10]機(jī)器翻譯及其評(píng)測(cè)技術(shù)簡(jiǎn)介[J]. 趙紅梅,劉群.  術(shù)語(yǔ)標(biāo)準(zhǔn)化與信息技術(shù). 2010(01)

碩士論文
[1]基于中草藥語(yǔ)義網(wǎng)的自動(dòng)問(wèn)答系統(tǒng)的研究與實(shí)現(xiàn)[D]. 錢(qián)宏澤.浙江大學(xué) 2016



本文編號(hào)：3539480