本文關(guān)鍵詞：面向人機互動的自然語言理解的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：機器人服務(wù)于人類時不可避免地需要進行人機互動。合適的人機互動能使機器人更好地理解人的意圖,也使人能了解機器人當(dāng)前的狀態(tài)。但要實現(xiàn)自然的人機互動,需要解決機器人的行動能力、多用性、以及理解能力等方面上的挑戰(zhàn)。本文提出利用人類知識來提高機器人在非預(yù)測情況下完成任務(wù)的能力,解決多用性問題。機器人要理解人類知識,歸根結(jié)底需要理解人類的自然語言。同時,自然語言作為用戶與機器人交互最自然的方式,理解自然語言是機器人的基本要求。因此,本文通過解決機器人在自然語言理解中的問題,實現(xiàn)大規(guī)模自然語言理解,從而解決自然人機互動所面臨的問題。本文從三方面逐步提高機器人理解自然語言的能力。 第一,解決以自然語言為載體的開放性知識語義提取問題。由于機器人在設(shè)計時無法預(yù)測所有可能的情況出現(xiàn),機器人需要動態(tài)地從外部獲取開放性知識以彌補完成任務(wù)所需的缺失知識。機器人要理解以自然語言為載體的知識,需要理解自然語言。同時這些知識可能存在著多種模式,半結(jié)構(gòu)化或自然語言形式。為此,本文提出多模式自然語言處理技術(shù),使用統(tǒng)一、通用的語義解析機制,對多種模式的開放性知識進行深度語義的提取。此外,以自然語言為載體的知識,往往因為撰寫者的上下文預(yù)設(shè)而造成某些語義信息被隱含。因此,面向預(yù)設(shè)的語義修復(fù)方法被引入,以保證語義提取的結(jié)果是完整的、能正確表達原有知識的含義。 第二,解決人機互動中行動知識與交互語言的統(tǒng)一形式化表示問題,以及大規(guī)模自然語言理解問題。人機互動中的自然語言理解需要機器人能夠理解行動知識中的自然語言和用戶用于交互的自然語言。通用的語義解析需要一種統(tǒng)一的形式化表示來表達這兩種不同類型的自然語言的含義。本文對此提出人機對話表示形式。在大規(guī)模自然語言理解中,對自然語言進行語義解析往往存在著不確定性和歧義的情況,因此本文引入概率語義解析。概率語義解析的另一好處是還可以通過監(jiān)督學(xué)習(xí)算法,從標注有語義形式的語料中訓(xùn)練得到所需的詞典,避免了人工構(gòu)建詞典的大量工作。 第三,解決大量標注語料的獲得問題。大規(guī)模的自然語言理解要求語義解析所覆蓋的單詞面足夠廣。但要實現(xiàn)覆蓋面廣的語義解析,往往需要大量的標注有語義形式的訓(xùn)練樣本。而實際中很難實現(xiàn)大量的語料標注,因為這需要消耗大量的時間和精力。對此,本文提出詞典傳播方法,將覆蓋面小的詞典通過大量未標注語料擴展成覆蓋面大的詞典,從而實現(xiàn)覆蓋面廣的語義解析。詞典傳播方法只需要少量的標注語料作為初始詞典的訓(xùn)練樣本,大量未標注語料解決了詞典的覆蓋面問題,從而解決標注語料的獲得問題。
【關(guān)鍵詞】：人機互動 智能服務(wù)機器人 自然語言理解 開放性知識獲取 語義解析 多模式自然語言處理 人機對話表示形式 詞典傳播
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.1;TP242
【目錄】：

• 摘要5-7
• ABSTRACT7-9
• 目錄9-12
• 表格目錄12-13
• 插圖目錄13-14
• 算法目錄14-15
• 第1章 緒論15-23
• 1.1 引言15-16
• 1.2 人機互動中的挑戰(zhàn)16-18
• 1.3 動機與方法概述18-20
• 1.4 貢獻20
• 1.5 組織結(jié)構(gòu)20-23
• 第2章 背景知識23-37
• 2.1 開放性知識23-24
• 2.2 可佳機器人體系結(jié)構(gòu)24-27
• 2.3 基于回答集編程的任務(wù)規(guī)劃27-29
• 2.4 組合范疇語法理論29-31
• 2.5 對數(shù)線性模型31-37
• 第3章 開放性知識的語義提取37-51
• 3.1 概述37
• 3.2 多模式自然語言處理37-43
• 3.2.1 自然語言上的語義解析38-40
• 3.2.2 OMICS知識上的語義解析40-41
• 3.2.3 面向預(yù)設(shè)的語義修復(fù)41-43
• 3.3 實驗與評價43-48
• 3.3.1 知識獲�。簛碓从谡f明書44-45
• 3.3.2 知識獲�。簛碓从贠MICS45-47
• 3.3.3 語義修復(fù)的性能47-48
• 3.4 相關(guān)工作48-49
• 3.5 總結(jié)49-51
• 第4章 面向人機對話表示形式的語義解析51-71
• 4.1 概述51-52
• 4.2 人機對話表示形式52-59
• 4.2.1 回答集編程語言轉(zhuǎn)換52-56
• 4.2.2 基于行動理論的語義解釋56-59
• 4.3 概率語義解析59-65
• 4.3.1 概率組合范疇語法59-60
• 4.3.2 語義解析與學(xué)習(xí)60-65
• 4.4 實驗與評價65-69
• 4.4.1 概率語義解析的性能65-67
• 4.4.2 整合OMICS知識的任務(wù)規(guī)劃的性能67-69
• 4.5 相關(guān)工作69-70
• 4.6 總結(jié)70-71
• 第5章 大規(guī)模自然語言指令理解71-85
• 5.1 概述71-72
• 5.2 方法綜述72-74
• 5.2.1 問題72-73
• 5.2.2 模型73
• 5.2.3 學(xué)習(xí)算法73-74
• 5.3 詞典傳播74-79
• 5.3.1 初始詞典74
• 5.3.2 圖構(gòu)建74-77
• 5.3.3 語義形式傳播77-79
• 5.4 實驗與評價79-82
• 5.4.1 實驗設(shè)置79-80
• 5.4.2 實驗結(jié)果與分析80-82
• 5.5 相關(guān)工作82-84
• 5.6 總結(jié)84-85
• 第6章 總結(jié)與展望85-89
• 6.1 工作總結(jié)85-87
• 6.2 前景與展望87-89
• 參考文獻89-95
• 附錄 人機對話表示形式的語法定義95-97
• 致謝97-99
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果99-101
• 在讀期間參與的學(xué)術(shù)活動101

【參考文獻】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 吉建民;提高ASP效率的若干途徑及服務(wù)機器人上應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2010年

  本文關(guān)鍵詞：面向人機互動的自然語言理解的研究，由筆耕文化傳播整理發(fā)布。

本文編號：323359