發(fā)布時(shí)間：2023-01-12 16:31

　　意圖識別是人機(jī)對話系統(tǒng)自然語言理解部分的一個(gè)子任務(wù)。要理解用戶說的內(nèi)容,首先要確定用戶想談?wù)摰念I(lǐng)域或者話語中表達(dá)出來的意圖,采用分類的方法進(jìn)行意圖識別是最為行之有效的辦法。用戶意圖分類是根據(jù)對話系統(tǒng)的領(lǐng)域或表達(dá)的意圖將用戶的對話語句分類為預(yù)定義的意圖類別。意圖分類的準(zhǔn)確性對整個(gè)對話系統(tǒng)的質(zhì)量具有非常重要的影響。早期,人們將模版方法和傳統(tǒng)的統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法應(yīng)用到意圖識別任務(wù)的研究上。近些年來,深度神經(jīng)網(wǎng)絡(luò)模型在意圖識別任務(wù)上有較好的表現(xiàn)。然而,多輪對話中的意圖識別任務(wù)不同于一般的分類任務(wù)。多輪對話中的意圖識別任務(wù)需要考慮對話的歷史背景和上下文信息,還有許多問題有待進(jìn)一步研究。本文針對多輪對話意圖識別現(xiàn)有的一些問題開展了如下的工作。其一’,針對多輪對話數(shù)據(jù)集中意圖識別任務(wù)高質(zhì)量標(biāo)注語料的缺失,選取了劍橋大學(xué)預(yù)定餐館的任務(wù)型對話數(shù)據(jù)集進(jìn)行標(biāo)注,標(biāo)注的數(shù)據(jù)集中包含676段對話,一共標(biāo)注10個(gè)意圖標(biāo)簽。高質(zhì)量標(biāo)注的數(shù)據(jù)集有助于后續(xù)的多輪任務(wù)型對話系統(tǒng)中意圖識別的研究。其二,現(xiàn)有的意圖識別方法考慮上下文信息比較單一,模型中的記憶單元只能解決一部分問題,且未對引入的歷史信息進(jìn)行控制。本文針對多種情境... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 意圖識別研究背景
    1.2 意圖識別研究意義
    1.3 意圖識別上下文建模的研究意義
    1.4 本文研究內(nèi)容與章節(jié)安排
第二章 意圖識別相關(guān)工作
    2.1 意圖識別的相關(guān)工作
    2.2 Q-learning的相關(guān)工作
    2.3 記憶網(wǎng)絡(luò)的相關(guān)工作
    2.4 本章小節(jié)
第三章 基于外部記憶網(wǎng)絡(luò)的意圖識別模型
    3.1 模型結(jié)構(gòu)
        3.1.1 文本向量化表示
        3.1.2 文本編碼
        3.1.3 記憶單元
        3.1.4 門單元
    3.2 實(shí)驗(yàn)準(zhǔn)備
        3.2.1 實(shí)驗(yàn)環(huán)境
        3.2.2 評價(jià)指標(biāo)
        3.2.3 實(shí)驗(yàn)數(shù)據(jù)集
    3.3 意圖識別實(shí)驗(yàn)
    3.4 本章小節(jié)
第四章 基于意圖依賴關(guān)系的意圖識別
    4.1 意圖依賴關(guān)系模型
    4.2 Q-learning算法迭代過程
    4.3 意圖識別實(shí)驗(yàn)
        4.3.1 意圖依賴關(guān)系實(shí)驗(yàn)結(jié)果
        4.3.2 意圖識別實(shí)驗(yàn)結(jié)果
    4.4 本章小節(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 未來的工作與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的研究成果



本文編號：3730140