基于ALICE的语音对话机器人系统实现及关键技术研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-18页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 对话机器人的发展与现状 | 第13-17页 |
| 1.1.3 存在的问题 | 第17-18页 |
| 1.2 研究内容和贡献 | 第18页 |
| 1.3 论文结构 | 第18-20页 |
| 第二章 基于ALICE的语音对话机器人设计与实现 | 第20-31页 |
| 2.1 基于ALICE语音对话机器人的关键技术 | 第20-24页 |
| 2.1.1 语音识别技术 | 第21-22页 |
| 2.1.2 语音合成技术 | 第22页 |
| 2.1.3 AIML数据库 | 第22-23页 |
| 2.1.4 知识库组织与推理 | 第23-24页 |
| 2.2 原型系统设计 | 第24-25页 |
| 2.3 原型系统实现 | 第25-28页 |
| 2.3.1 软硬件基础 | 第25页 |
| 2.3.2 MSPSDK接口调用 | 第25-27页 |
| 2.3.3 自动录音识别 | 第27-28页 |
| 2.3.4 ALICE中文解析 | 第28页 |
| 2.3.5 系统实时性 | 第28页 |
| 2.4 系统性能评估 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 加权匹配的中文句子相似度算法 | 第31-41页 |
| 3.1 文本相似度计算 | 第31-32页 |
| 3.1.1 文本相似度简介 | 第31-32页 |
| 3.2 WIT算法模型 | 第32-35页 |
| 3.2.1 算法步骤 | 第32-33页 |
| 3.2.2 算法公式 | 第33-35页 |
| 3.3 WIT算法性能评估 | 第35-40页 |
| 3.3.1 数据集 | 第35页 |
| 3.3.2 评价标准 | 第35-36页 |
| 3.3.3 参数训练 | 第36-37页 |
| 3.3.4 算法性能评估 | 第37-38页 |
| 3.3.5 结果讨论 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 语音情感识别 | 第41-61页 |
| 4.1 语音情感识别简介 | 第41-45页 |
| 4.1.1 语音情感识别发展与现状 | 第41-42页 |
| 4.1.2 语音情感识别原理 | 第42-43页 |
| 4.1.3 情感描述模型 | 第43-44页 |
| 4.1.4 情感语音数据库 | 第44-45页 |
| 4.2 语音情感特征提取 | 第45-48页 |
| 4.2.1 语音情感特征分类 | 第45-46页 |
| 4.2.2 语音情感特征提取 | 第46-48页 |
| 4.3 基于SVM算法语音情感识别研究 | 第48-53页 |
| 4.3.1 SVM算法原理 | 第48-50页 |
| 4.3.2 SVM模型构建 | 第50-51页 |
| 4.3.3 实验结果 | 第51-53页 |
| 4.4 基于动量BP网络的语音情感识别研究 | 第53-59页 |
| 4.4.1 动量BP神经网络算法原理 | 第53-56页 |
| 4.4.2 动量BP神经网络模型构建 | 第56-57页 |
| 4.4.3 实验结果 | 第57-58页 |
| 4.4.4 SVM和动量BP网络算法性能评估 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 结论与展望 | 第61-63页 |
| 5.1 研究内容和结论 | 第61页 |
| 5.2 问题与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69页 |
