| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究目的和意义 | 第8-11页 |
| 1.1.1 课题背景 | 第8-10页 |
| 1.1.2 课题研究的目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 国内外研究现状简析 | 第14页 |
| 1.3 本文的研究内容及章节安排 | 第14-17页 |
| 1.3.1 本文的研究内容 | 第14-15页 |
| 1.3.2 本文的章节安排 | 第15-17页 |
| 第2章 基于RNN的seq2seq对话生成模型 | 第17-36页 |
| 2.1 引言 | 第17页 |
| 2.2 主要神经网络简介 | 第17-25页 |
| 2.2.1 Word embedding简介 | 第17-20页 |
| 2.2.2 RNN循环神经网络 | 第20-23页 |
| 2.2.3 LSTM简介 | 第23-24页 |
| 2.2.4 GRU简介 | 第24-25页 |
| 2.3 SEQ2SEQ模型简介 | 第25-27页 |
| 2.4 DROP OUT机制 | 第27-28页 |
| 2.5 ATTENTION机制 | 第28-30页 |
| 2.6 BEAM SEARCH算法 | 第30页 |
| 2.7 实验设计与结果 | 第30-35页 |
| 2.7.1 实验数据介绍 | 第31-32页 |
| 2.7.2 不同神经单元对生成结果的影响 | 第32-33页 |
| 2.7.3 Attention机制对模型的影响 | 第33-34页 |
| 2.7.4 Beam search方法对生成结果的影响 | 第34-35页 |
| 2.8 本章小结 | 第35-36页 |
| 第3章 基于深度强化学习的对话生成 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 强化学习简介 | 第36-37页 |
| 3.3 本问题的强化学习定义 | 第37-40页 |
| 3.3.1 Reward函数定义 | 第38-40页 |
| 3.4 模型优化 | 第40-42页 |
| 3.5 对话模拟 | 第42-43页 |
| 3.6 实验结果与评价 | 第43-46页 |
| 3.7 本章小结 | 第46-48页 |
| 第4章 基于情感监督的对话生成 | 第48-58页 |
| 4.1 引言 | 第48页 |
| 4.2 情感分类模型 | 第48-50页 |
| 4.3 情感转移状态估计 | 第50-51页 |
| 4.4 基于MLE的情感监督生成模型 | 第51-53页 |
| 4.5 基于MLE的改进情感监督生成模型 | 第53-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |