| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 背景介绍 | 第8-9页 |
| 1.2 生成式对话系统的技术挑战 | 第9-10页 |
| 1.3 研究内容与贡献 | 第10-11页 |
| 1.4 本文结构 | 第11-14页 |
| 第二章 相关技术 | 第14-20页 |
| 2.1 对话系统 | 第14-16页 |
| 2.1.1 对话系统分类 | 第14-15页 |
| 2.1.2 生成式对话系统 | 第15页 |
| 2.1.3 对话的表示 | 第15-16页 |
| 2.2 深度学习 | 第16-19页 |
| 2.2.1 循环神经网络 | 第17-18页 |
| 2.2.2 卷积神经网络 | 第18-19页 |
| 2.3 语言模型 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 生成式对话中的未登录词问题 | 第20-28页 |
| 3.1 词级别Encoder-Decoder框架 | 第20-23页 |
| 3.1.1 Encoder | 第21-22页 |
| 3.1.2 Decoder | 第22页 |
| 3.1.3 注意力机制 | 第22-23页 |
| 3.2 未登录词问题 | 第23-25页 |
| 3.3 未登录词问题的解决方法 | 第25-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第四章 基于低频词压缩表示的生成式对话模型 | 第28-42页 |
| 4.1 低频词 | 第28-30页 |
| 4.1.1 定义 | 第28页 |
| 4.1.2 低频词特性分析 | 第28-30页 |
| 4.2 低频词压缩方法 | 第30-31页 |
| 4.3 基于低频词压缩表示的生成式对话模型HL-EncDec | 第31-39页 |
| 4.3.1 HL-Encoder | 第31-36页 |
| 4.3.2 HL-Decoder | 第36-38页 |
| 4.3.3 HL-EncDec | 第38-39页 |
| 4.4 HL-Encoder+与HL-EncDec+ | 第39-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第五章 实验结果与分析 | 第42-52页 |
| 5.1 实验概述 | 第42-45页 |
| 5.1.1 对话语料与预处理 | 第42-43页 |
| 5.1.2 实验环境 | 第43页 |
| 5.1.3 模型及参数配置 | 第43-45页 |
| 5.2 实验结果及分析 | 第45-51页 |
| 5.2.1 生成质量分析 | 第45-48页 |
| 5.2.2 生成多样性分析 | 第48-49页 |
| 5.2.3 低频词影响分析 | 第49页 |
| 5.2.4 人工评价 | 第49-50页 |
| 5.2.5 样例分析 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 挑战与展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 攻读硕士学位期间研究成果 | 第56-58页 |
| 致谢 | 第58-59页 |