如需要完整文档点击下方 "点击下载文档" 按钮

为了对传统的聊天机器人局限性进行改进,增强其回复时的个性化和多样化,并使其具有一定的准确性,研究改进了一种基于深度学习 Seq2Seq 模型的对话系统。 对传统的编码器-解码器(Encoder-Decoder) 模型进行了研究,在原有模型的基础上使用了深度 LSTM 结构并且加入注意力机制使其能更好地适应不同长度的问句。 在解码过程中,将原有模型的贪心算法改为了 Beam Search 算法。在训练过程中,利用了多次训练的方法,训练出模拟电视剧角色的聊天机器人,为聊天机器人赋予一个特定的身份。 通过使用两种自动评估指标 BLEUs 和 Distinct-n 去测试聊天机器人,并使用一些问句测试聊天机器人的反应,最终实验结果表明新模型与原有的模型相比,两种指标都取得了较好的效果,并且输出句子的合理性以及回复质量也有明显的提高。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于深度学习的个性化聊天机器人研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061580

点击下载文档