基于端到端與案例推理混合模式的對話系統(tǒng).pdf

1、對話系統(tǒng)(Dialogue System)是一種通過自然語言與人進(jìn)行交流溝通的人機交互系統(tǒng)，它被定位為未來各種服務(wù)的入口。在娛樂、在線客服、教育和個人助理領(lǐng)域都有廣泛的應(yīng)用，具有重大的研究意義和應(yīng)用價值。傳統(tǒng)的對話系統(tǒng)一般基于檢索的方法設(shè)計，存在知識庫難于維護(hù)、可擴展性差等問題。針對這一問題，本文將基于深度學(xué)習(xí)的端到端的方法與基于案例推理(Case-based Reasoning，CBR)的方法相結(jié)合設(shè)計對話系統(tǒng)，有效降低了維護(hù)知識庫和

2、規(guī)則的成本，同時提高了對話系統(tǒng)的可擴展性。
　　首先，本文利用序列到序列(Sequence to Sequence，Seq2Seq)的方法搭建對話模型，然后利用強化學(xué)習(xí)對Seq2Seq模型進(jìn)行進(jìn)一步優(yōu)化訓(xùn)練。最后將生成式對話系統(tǒng)與CBR推理機結(jié)合，并將對話系統(tǒng)應(yīng)用于智能機器人水果分揀系統(tǒng)。論文的主要工作包括以下幾個部分:
　　(1)研究了模型結(jié)構(gòu)、模型求解算法對Seq2Seq模型生成對話的影響，并通過選擇最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)

3、搜索策略、引入注意力機制(Attention mechanism)和優(yōu)化目標(biāo)函數(shù)等手段，降低模型的訓(xùn)練時間，提高模型生成對話的準(zhǔn)確性。
　　(2)利用強化學(xué)習(xí)改善Seq2Seq模型中生成對話短、回復(fù)無意義的問題。并根據(jù)智能機器人的實際需求，設(shè)計新的獎勵函數(shù)。利用中文字幕語料訓(xùn)練模型，通過分詞手段提高模型生成對話效果，提出一種基于三元組的評估方法對模型進(jìn)行評估。
　　(3)將CBR推理機與Seq2Seq模型結(jié)合，實現(xiàn)了一種基于