人机对话中的情感文本生成方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景、研究目的及意义 | 第9-11页 |
| 1.2.1 课题背景 | 第9-10页 |
| 1.2.2 课题研究目的及意义 | 第10-11页 |
| 1.3 国内外相关技术研究现状 | 第11-15页 |
| 1.3.1 对话系统研究现状 | 第11-12页 |
| 1.3.2 变分自编码器研究现状 | 第12-13页 |
| 1.3.3 文本情感分析研究现状 | 第13-15页 |
| 1.4 本文的主要研究内容 | 第15页 |
| 1.5 本文的章节结构 | 第15-17页 |
| 第2章 人机对话系统相关研究 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 文本对话生成相关研究 | 第17-20页 |
| 2.3 基于变分自编码器的文本生成相关研究 | 第20-23页 |
| 2.4 文本情感分析相关研究 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于RNN的SEQ2SEQ对话生成方法 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 基于RNN的Seq2Seq对话生成模型 | 第26-31页 |
| 3.2.1 基于RNN的Seq2Seq模型 | 第27-29页 |
| 3.2.2 基于Seq2Seq的对话生成模型 | 第29-31页 |
| 3.3 实验结果及分析 | 第31-34页 |
| 3.3.1 数据集及实验设置 | 第31-32页 |
| 3.3.2 不同神经单元对文本生成结果的影响 | 第32-33页 |
| 3.3.3 注意力机制对文本生成结果的影响 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于变分自编码器的对话生成方法 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 基于变分自编码器的对话生成模型 | 第35-39页 |
| 4.2.1 生成模型 | 第36-37页 |
| 4.2.2 推理模型 | 第37-38页 |
| 4.2.3 模型训练及优化 | 第38-39页 |
| 4.3 对话生成的评价指标 | 第39-40页 |
| 4.4 实验结果及分析 | 第40-44页 |
| 4.4.1 数据集及实验设置 | 第40页 |
| 4.4.2 对话生成结果 | 第40-42页 |
| 4.4.3 对话生成质量的量化指标 | 第42-44页 |
| 4.4.4 KL退火算法对KL损失的影响 | 第44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 嵌入情感因素的对话生成方法 | 第46-55页 |
| 5.1 引言 | 第46页 |
| 5.2 基于变分自编码器的情感对话生成模型 | 第46-48页 |
| 5.3 基于卷积记忆网络的文本情感分类模型 | 第48-51页 |
| 5.4 实验结果及分析 | 第51-54页 |
| 5.4.1 数据集及实验设置 | 第51-52页 |
| 5.4.2 情感分类实验结果及分析 | 第52页 |
| 5.4.3 基于变分自编码器的对话生成结果及分析 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
