基于循環(huán)神經(jīng)網(wǎng)絡(luò)的單輪對(duì)話生成方法研究.pdf

1、人機(jī)對(duì)話是人工智能領(lǐng)域的前沿研究課題，其中涉及自然語(yǔ)言理解，知識(shí)和推理等。隨著深度學(xué)習(xí)技術(shù)的進(jìn)展，近年來(lái)對(duì)話系統(tǒng)成為了科技媒體和研究者社區(qū)探討的焦點(diǎn)，很多效果較好的對(duì)話系統(tǒng)都使用了循環(huán)神經(jīng)網(wǎng)絡(luò)，將深度學(xué)習(xí)應(yīng)用于對(duì)話具有重大的研究意義和應(yīng)用價(jià)值。
　　本文研究中文開(kāi)放域?qū)υ捪到y(tǒng)中的基礎(chǔ)問(wèn)題，即短文本對(duì)話:不限定聊天場(chǎng)景的一問(wèn)一答式的單輪對(duì)話，這也是研究對(duì)話系統(tǒng)中的核心問(wèn)題。本文基于循環(huán)神經(jīng)網(wǎng)絡(luò)解決短文本對(duì)話生成問(wèn)題，可分為檢索式生成

2、對(duì)話和基于生成模型生成對(duì)話。檢索式系統(tǒng)提取輸入和候選回復(fù)之間的文本特征，并根據(jù)各種文本匹配模型返回語(yǔ)料庫(kù)中最合適的應(yīng)答。實(shí)驗(yàn)對(duì)比了各種文本匹配模型，包括關(guān)鍵詞匹配、淺層語(yǔ)義匹配和基于循環(huán)神經(jīng)網(wǎng)絡(luò)的深層語(yǔ)義匹配模型，實(shí)驗(yàn)結(jié)果表明綜合統(tǒng)計(jì)信息和語(yǔ)義匹配的模型效果較好。
　　本文還探索基于循環(huán)神經(jīng)網(wǎng)絡(luò)和Seq2Seq模型訓(xùn)練單輪對(duì)話生成模型，實(shí)驗(yàn)訓(xùn)練得到的模型能生成一個(gè)新的回復(fù)，但生成的句子中，很多都是不連貫且沒(méi)有實(shí)際意義的句子，針對(duì)這