融合情感因素的自然语言对话生成方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 自然语言对话研究现状 | 第11-14页 |
| 1.2.1 自然语言理解 | 第11-12页 |
| 1.2.2 对话数据库 | 第12-13页 |
| 1.2.3 自然语言对话生成方法研究现状 | 第13-14页 |
| 1.3 自然语言对话的主要挑战 | 第14页 |
| 1.4 本文的研究内容与主要贡献 | 第14-16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第二章 融合情感因素的自然语言对话关键技术 | 第18-31页 |
| 2.1 深度学习 | 第18-23页 |
| 2.1.1 双向长短时记忆网络 | 第18-22页 |
| 2.1.2 门控循环神经元 | 第22-23页 |
| 2.2 文本情感识别方法 | 第23-24页 |
| 2.2.1 基于词典的文本情感识别方法 | 第23-24页 |
| 2.2.2 基于机器学习的文本情感识别方法 | 第24页 |
| 2.3 自然语言生成方法 | 第24-27页 |
| 2.3.1 序列到序列模型思想 | 第25页 |
| 2.3.2 基于序列到序列模型的自然语言生成方法 | 第25-27页 |
| 2.4 层次注意力模型 | 第27-30页 |
| 2.4.1 注意力模型思想 | 第27-29页 |
| 2.4.2 层次注意力模型计算方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于情感编码的自然语言对话生成方法 | 第31-44页 |
| 3.1 基于情感编码的对话生成方法思想 | 第32-36页 |
| 3.1.1 编码特征学习 | 第32-33页 |
| 3.1.2 解码特征学习 | 第33-34页 |
| 3.1.3 输出序列生成 | 第34-36页 |
| 3.2 实验与分析 | 第36-43页 |
| 3.2.1 数据库和预处理 | 第36-37页 |
| 3.2.2 参数选择和实验设置 | 第37-38页 |
| 3.2.3 评估标准 | 第38-39页 |
| 3.2.4 实验结果与分析 | 第39-42页 |
| 3.2.5 输出回复示例分析 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 基于层次注意力模型的情感对话生成方法 | 第44-53页 |
| 4.1 基于层次注意力模型的情感对话生成方法思想 | 第45-48页 |
| 4.1.1 编码特征学习 | 第45页 |
| 4.1.2 基于层次注意力模型的解码特征学习 | 第45-48页 |
| 4.1.3 输出序列生成 | 第48页 |
| 4.2 实验与分析 | 第48-52页 |
| 4.2.1 数据集与评估标准 | 第48-49页 |
| 4.2.2 实验设置 | 第49页 |
| 4.2.3 参数选择 | 第49-50页 |
| 4.2.4 实验结果与分析 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 原型系统的设计与实现 | 第53-60页 |
| 5.1 系统开发环境 | 第53页 |
| 5.2 原型系统的设计与实现 | 第53-59页 |
| 5.2.1 系统的功能需求 | 第54页 |
| 5.2.2 系统功能设计 | 第54-55页 |
| 5.2.3 系统运行界面和功能展示 | 第55-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的学术论文和参与的科研项目 | 第69页 |
