| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题背景与研究目的和意义 | 第11-12页 |
| 1.2 面向任务对话系统研究现状 | 第12-21页 |
| 1.2.1 管道方法研究现状 | 第12-19页 |
| 1.2.2 端到端方法研究现状 | 第19-21页 |
| 1.3 本文主要工作 | 第21页 |
| 1.4 本文结构 | 第21-23页 |
| 第2章 相关理论基础 | 第23-40页 |
| 2.1 神经网络基础 | 第23-34页 |
| 2.1.1 神经网络简介 | 第23-25页 |
| 2.1.2 BP神经网络 | 第25-26页 |
| 2.1.3 卷积神经网络(CNN) | 第26-27页 |
| 2.1.4 CNN在句子建模上的应用 | 第27-30页 |
| 2.1.5 循环神经网络(RNN) | 第30-31页 |
| 2.1.6 长短期记忆网络(LSTM) | 第31-33页 |
| 2.1.7 双向LSTM | 第33-34页 |
| 2.2 自然语言处理相关知识 | 第34-39页 |
| 2.2.1 n-gram模型 | 第34-35页 |
| 2.2.2 Word Embedding词嵌入 | 第35-36页 |
| 2.2.3 Seq2Seq模型介绍 | 第36-37页 |
| 2.2.4 Attention机制 | 第37-38页 |
| 2.2.5 Beam Search算法简介 | 第38-39页 |
| 2.3 本章小结 | 第39-40页 |
| 第3章 基于端到端方法的面向任务对话系统 | 第40-49页 |
| 3.1 基于端到端方法的面向任务对话系统的结构框架 | 第40-47页 |
| 3.1.1 本体和去词汇化特征 | 第41-42页 |
| 3.1.2 自然语言理解模块(Encoder) | 第42页 |
| 3.1.3 对话状态追踪 | 第42-44页 |
| 3.1.4 数据库操作模块 | 第44-45页 |
| 3.1.5 对话策略模块 | 第45-46页 |
| 3.1.6 自然语言生成模块 | 第46-47页 |
| 3.2 本章小结 | 第47-49页 |
| 第4章 实验结果与分析 | 第49-56页 |
| 4.1 面向任务对话数据集 | 第49页 |
| 4.2 系统训练与实验设置 | 第49-50页 |
| 4.2.1 追踪器训练 | 第49-50页 |
| 4.2.2 系统训练 | 第50页 |
| 4.3 测试与分析 | 第50-55页 |
| 4.3.1 对话状态追踪性能评估 | 第50-52页 |
| 4.3.2 BLEU评估标准 | 第52-54页 |
| 4.3.3 系统测试与分析 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术成果和参加的科研项目 | 第63-64页 |
| 学位论文评阅及答辩情况表 | 第64页 |