面向社区论坛多轮对话线索的连贯性评估方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 课题研究目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 多轮对话质量评估方法研究现状 | 第12-13页 |
| 1.2.2 多轮对话语义匹配研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文内容安排及结构安排 | 第15-17页 |
| 第2章 多轮对话连贯性评估 | 第17-39页 |
| 2.1 引言 | 第17页 |
| 2.2 实验数据集介绍 | 第17-20页 |
| 2.2.1 数据预处理 | 第17-19页 |
| 2.2.2 数据集构造 | 第19-20页 |
| 2.3 基于机器学习的对话连贯性评估方法 | 第20-23页 |
| 2.3.1 传统方法介绍 | 第20-23页 |
| 2.3.2 特征抽取与模型训练 | 第23页 |
| 2.4 基于深度学习的对话连续性评估 | 第23-33页 |
| 2.4.1 主要神经网络简介 | 第24-28页 |
| 2.4.2 基于句向量的对话连续性评估模型 | 第28-30页 |
| 2.4.3 层次注意力机制神经网络模型 | 第30-33页 |
| 2.5 实验设置与结果分析 | 第33-38页 |
| 2.5.1 基于传统方法的实验结果 | 第34页 |
| 2.5.2 基于深度学习模型的实验结果 | 第34-36页 |
| 2.5.3 模型评估 | 第36-37页 |
| 2.5.4 实验结果分析 | 第37-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第3章 多轮对话的回复语义匹配模型 | 第39-52页 |
| 3.1 引言 | 第39页 |
| 3.2 数据集与评价指标 | 第39-40页 |
| 3.2.1 Ubuntu Corpus数据集 | 第39-40页 |
| 3.2.3 评价指标 | 第40页 |
| 3.3 基于深度学习的语义匹配模型简介 | 第40-47页 |
| 3.3.1 语义相似性计算方法 | 第41-42页 |
| 3.3.2 基于表示的多轮对话语义匹配模型 | 第42-46页 |
| 3.3.3 基于交互式的语义匹配模型 | 第46-47页 |
| 3.4 基于多粒度的多轮对话语义匹配模型构建 | 第47-49页 |
| 3.5 实验结果及分析 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 开放域对话系统的设计与实现 | 第52-63页 |
| 4.1 引言 | 第52页 |
| 4.2 基于检索的多轮对话系统总体设计实现 | 第52-53页 |
| 4.3 多轮对话系统模块详细设计 | 第53-60页 |
| 4.3.1 语料库构建 | 第53-55页 |
| 4.3.2 检索模块 | 第55-59页 |
| 4.3.3 回复排序模块 | 第59-60页 |
| 4.4 对话系统功能展示 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
