| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-22页 |
| 1.1 论文的背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-19页 |
| 1.2.1 人机对话系统 | 第11-14页 |
| 1.2.2 对话管理的研究现状 | 第14-19页 |
| 1.3 论文工作及章节安排 | 第19-22页 |
| 1.3.1 论文研究的内容和创新点 | 第19-20页 |
| 1.3.2 论文的章节安排 | 第20-22页 |
| 第二章 基础知识 | 第22-29页 |
| 2.1 MDP模型 | 第22-26页 |
| 2.1.1 MDP模型的背景 | 第22-23页 |
| 2.1.2 MDP模型的定义 | 第23页 |
| 2.1.3 MDP模型的求解目标 | 第23-24页 |
| 2.1.4 值函数和Q函数 | 第24-25页 |
| 2.1.5 Q-learning求解方法 | 第25-26页 |
| 2.2 深度强化学习 | 第26-29页 |
| 2.2.1 深度强化学习的背景 | 第26-28页 |
| 2.2.2 基于DQN模型的框架 | 第28-29页 |
| 第三章 基于深度强化学习的端到端对话管理模型 | 第29-38页 |
| 3.1 联合NLU和DM的模型设计 | 第29-32页 |
| 3.1.1 任务形式化定义 | 第29-30页 |
| 3.1.2 模型结构 | 第30-32页 |
| 3.2 模型训练方法 | 第32-38页 |
| 3.2.1 Experience replay memory | 第32-33页 |
| 3.2.2 优先采样技术 | 第33页 |
| 3.2.3 用户模拟器 | 第33-35页 |
| 3.2.4 模型训练 | 第35-38页 |
| 第四章 对话系统的实现和评估 | 第38-53页 |
| 4.1 系统整体结构 | 第38-39页 |
| 4.2 系统模块和通信 | 第39-45页 |
| 4.2.1 用户模拟器模块 | 第39-40页 |
| 4.2.2 对话系统模块 | 第40-41页 |
| 4.2.3 人机交互模块 | 第41-43页 |
| 4.2.4 模块之间的通信和记录 | 第43-45页 |
| 4.3 系统任务和系统评估指标 | 第45-46页 |
| 4.4 系统测评 | 第46-49页 |
| 4.5 系统对话示例 | 第49-53页 |
| 第五章 总结 | 第53-55页 |
| 5.1 本文总结 | 第53-54页 |
| 5.2 未来展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |