| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 相关工作研究现状 | 第11-17页 |
| 1.2.1 基于模块化思想的对话系统研究 | 第11-16页 |
| 1.2.2 基于end-to-end的对话系统研究 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 论文主要组织架构 | 第18-20页 |
| 第2章 面向出行领域的意图识别研究 | 第20-34页 |
| 2.1 意图识别任务描述 | 第20页 |
| 2.2 基于统计学习的意图识别模型 | 第20-23页 |
| 2.2.1 支持向量机介绍 | 第21-22页 |
| 2.2.2 随机森林介绍 | 第22页 |
| 2.2.3 特征选择 | 第22-23页 |
| 2.3 基于深度学习的意图识别模型 | 第23-27页 |
| 2.3.1 DAN意图识别模型 | 第23-24页 |
| 2.3.2 CNN意图识别模型 | 第24-25页 |
| 2.3.3 LSTM意图识别模型 | 第25-26页 |
| 2.3.4 dropout正则化方法 | 第26-27页 |
| 2.3.5 批规范化方法 | 第27页 |
| 2.4 意图识别实验 | 第27-33页 |
| 2.4.1 实验数据 | 第27-28页 |
| 2.4.2 评价指标 | 第28-30页 |
| 2.4.3 实验参数设置 | 第30-31页 |
| 2.4.4 实验结果对比分析 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 面向出行领域的槽位识别问题研究 | 第34-52页 |
| 3.1 槽位识别任务描述 | 第34页 |
| 3.2 条件随机场介绍 | 第34-36页 |
| 3.2.1 条件随机场定义 | 第34-35页 |
| 3.2.2 条件随机场的参数化形式 | 第35页 |
| 3.2.4 条件随机场的相关问题 | 第35-36页 |
| 3.3 基于BLSTM的槽位识别模型 | 第36-39页 |
| 3.3.1 基于BLSTM的槽位识别模型 | 第36-37页 |
| 3.3.2 基于BLSTM-CRF的槽位识别模型 | 第37-39页 |
| 3.3.3 动态RNN方法 | 第39页 |
| 3.4 融合意图信息的槽位识别模型 | 第39-43页 |
| 3.4.1 BLSTM-CRF-INTENT槽位提取模型 | 第40-41页 |
| 3.4.2 BLSTM-CRF-INTENT_DICT槽位提取模型 | 第41-43页 |
| 3.4.3 意图识别和槽位识别联合学习模型 | 第43页 |
| 3.5 槽位提取实验 | 第43-51页 |
| 3.5.1 实验数据 | 第43-45页 |
| 3.5.2 评价指标 | 第45-46页 |
| 3.5.3 实验参数设置 | 第46-48页 |
| 3.5.4 实验结果对比分析 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 面向出行领域的多轮对话系统 | 第52-62页 |
| 4.1 对话系统架构 | 第52-53页 |
| 4.2 问句规范化 | 第53-56页 |
| 4.2.1 存在问题 | 第53-54页 |
| 4.2.2 问句规范化策略 | 第54-56页 |
| 4.3 对话理解 | 第56-57页 |
| 4.4 对话管理 | 第57-59页 |
| 4.4.1 对话状态跟踪 | 第57-58页 |
| 4.4.2 对话策略 | 第58-59页 |
| 4.5 对话生成 | 第59页 |
| 4.6 系统展示 | 第59-61页 |
| 4.7 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第69-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72-83页 |
