| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 课题来源及研究的背景和意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-18页 |
| 1.2.1 国内外深度学习技术的研究现状 | 第9-14页 |
| 1.2.2 国内外对话回复生成技术研究现状 | 第14-17页 |
| 1.2.3 国内外研究简析 | 第17-18页 |
| 1.3 主要研究内容及研究方法 | 第18-20页 |
| 1.3.1 主要研究内容 | 第18-19页 |
| 1.3.2 研究方法 | 第19-20页 |
| 第2章 基于深度学习的回复生成模型 | 第20-41页 |
| 2.1 基于Attention的Seq2Seq回复生成模型 | 第20-27页 |
| 2.1.1 Wordembeddings | 第20-22页 |
| 2.1.2 Seq2Seq模型 | 第22-24页 |
| 2.1.3 Attention机制 | 第24-26页 |
| 2.1.4 模型描述 | 第26-27页 |
| 2.2 基于情感策略梯度优化的回复生成模型扩展 | 第27-32页 |
| 2.2.1 回复生成的强化学习定义 | 第28页 |
| 2.2.2 回复生成的策略梯度优化 | 第28-30页 |
| 2.2.3 情感奖励值的构建 | 第30-31页 |
| 2.2.4 模型描述 | 第31-32页 |
| 2.3 基于多元情感状态迁移的回复生成模型 | 第32-37页 |
| 2.3.1 情感分类模型 | 第32-34页 |
| 2.3.2 情感向量和情感迁移矩阵 | 第34-35页 |
| 2.3.3 模型描述 | 第35-37页 |
| 2.4 模型实验分析 | 第37-40页 |
| 2.4.1 数据来源 | 第37-38页 |
| 2.4.2 评价指标 | 第38页 |
| 2.4.3 实验结果与分析 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 情感智能回复生成模块的设计与实现 | 第41-54页 |
| 3.1 模块的设计目标和应用场景 | 第41-43页 |
| 3.1.1 设计目标 | 第41-42页 |
| 3.1.2 应用场景 | 第42-43页 |
| 3.2 模块的整体逻辑和界面交互设计 | 第43-46页 |
| 3.2.1 整体逻辑结构 | 第43-44页 |
| 3.2.2 界面交互设计 | 第44-46页 |
| 3.3 模块的实现 | 第46-53页 |
| 3.3.1 模块前后端搭建 | 第46-50页 |
| 3.3.2 效果展示 | 第50-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 情感智能回复生成模块用户体验分析 | 第54-62页 |
| 4.1 情感智能回复生成模块的用户体验要素 | 第54-55页 |
| 4.1.1 可用性 | 第54页 |
| 4.1.2 情感满意度 | 第54-55页 |
| 4.2 情感智能回复生成模块的用户体验测量 | 第55-57页 |
| 4.2.1 人人对话辅助功能的用户体验测量 | 第56-57页 |
| 4.2.2 人机对话交互的用户体验测量 | 第57页 |
| 4.3 情感智能回复生成模块的用户体验评估 | 第57-61页 |
| 4.3.1 人人对话辅助功能的用户体验评估 | 第57-60页 |
| 4.3.2 人机对话交互的用户体验评估 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |