| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 研究背景及意义 | 第8-13页 |
| 1.1.1 课题背景 | 第8-11页 |
| 1.1.2 论文研究的目的及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 国内外研究现状简析 | 第16-17页 |
| 1.3 论文研究内容 | 第17-18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 2 聊天机器人sequencetosequence模型研究 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 Seq2Seq基本模型 | 第20-28页 |
| 2.2.1 Seq2Seq模型结构简介 | 第20-21页 |
| 2.2.2 Seq2Seq模型组成介绍 | 第21-26页 |
| 2.2.3 Seq2Seq工作流程 | 第26-28页 |
| 2.2.4 Seq2Seq模型优缺点分析 | 第28页 |
| 2.3 Seq2Seq模型改进 | 第28-30页 |
| 2.3.1 引入注意力模型 | 第29-30页 |
| 2.3.2 引入双向编码器 | 第30页 |
| 2.3.3 改进模型的优缺点分析 | 第30页 |
| 2.4 评价标准 | 第30-32页 |
| 2.4.1 BLEU | 第31页 |
| 2.4.2 perplexity | 第31-32页 |
| 2.4.3 直接通过对话内容分析 | 第32页 |
| 2.5 语料库 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 提升对话一致性的研究 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 人物背景模型 | 第33-35页 |
| 3.3 人物关系模型 | 第35页 |
| 3.4 重构语料库 | 第35-37页 |
| 3.5 实验设计和结果 | 第37-42页 |
| 3.5.1 实验设计 | 第37页 |
| 3.5.2 对话内容流畅性分析 | 第37-38页 |
| 3.5.3 对话内容一致性分析 | 第38-40页 |
| 3.5.4 重构语料库后对话内容流畅性分析 | 第40-41页 |
| 3.5.5 重构语料库后对话内容一致性分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 提升对话可延续性的研究 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 最大互信息模型简介 | 第43-44页 |
| 4.2.1 最大互信息理论依据 | 第43-44页 |
| 4.2.2 最大互信息损失函数 | 第44页 |
| 4.3 基于惩罚因子的最大互信息损失函数 | 第44-46页 |
| 4.4 基于截断因子的最大互信息损失函数 | 第46-49页 |
| 4.5 基于衰减因子的最大互信息损失函数 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 论文工作总结 | 第53-54页 |
| 5.2 下一步工作展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |