【摘 要】
:
自然人机交互作为人工智能最直观的表现方式,近年来在各行各业得到了广泛的应用,自然人机交互产品逐渐进入大众视野。对话系统作为自然人机交互领域的重要分支,也受到了众多学者的关注。对话系统除了可以替代人们完成相应的工作外还可以与人们聊天提供情感上的陪伴。在人机对话过程中,为了使机器人变得更加智能,将知识图谱作为外部知识融入到对话系统中有十分重要的意义。因此,本文分别在开放域和封闭域对话系统中引入知识图谱
论文部分内容阅读
自然人机交互作为人工智能最直观的表现方式,近年来在各行各业得到了广泛的应用,自然人机交互产品逐渐进入大众视野。对话系统作为自然人机交互领域的重要分支,也受到了众多学者的关注。对话系统除了可以替代人们完成相应的工作外还可以与人们聊天提供情感上的陪伴。在人机对话过程中,为了使机器人变得更加智能,将知识图谱作为外部知识融入到对话系统中有十分重要的意义。因此,本文分别在开放域和封闭域对话系统中引入知识图谱对机器人的回复方法进行了研究,主要研究内容如下:针对当前开放域对话系统中机器人缺乏背景知识、用户在对话过程中兴趣度不高的问题,提出一种基于时序知识图谱的人机对话模型。为提高人机对话过程中用户的兴趣度,该模型引入时序知识图谱作为机器人的背景知识以模拟现实中的对话方式。首先,根据当前对话内容提取用户的兴趣种子实体;其次,基于偏好传播的思想在时序知识图谱中查找与种子实体相关的多层邻居实体;然后,根据关系友好度和时间新鲜度计算各层实体的邻居实体信息,并由外而内地逐层将实体自身信息与其邻居实体信息融合起来用以计算用户兴趣偏好;最后,根据用户兴趣偏好给出机器人的回复。实验结果表明,所提模型不仅能提高候选回复排序的准确性,还能有效提升用户在对话过程中的兴趣度。针对当前封闭域对话系统多考虑回复内容准确性而忽略了机器人的情感表达问题,提出一种面向客服机器人的智能感知交互模型。首先,根据情感状态分析计算候选回复的情感积极度和情感相似度从而得到候选回复的情感匹配度;其次,引入外部知识图谱作为机器人的常识知识,将与对话内容相关的知识三元组作为当前对话的知识集,并在计算候选回复的内容准确度时考虑相关知识集的影响;最后,结合内容准确度和情感匹配度在候选回复集中选择最合适的回复作为机器人的响应。实验结果表明,拥有外部知识且能够表达情感的客服机器人在进行人机对话时,能在满足回复内容准确度的基础上提高用户的情感满意度。
其他文献
安全性一直是无线传感器网络中首要考虑的问题,是其不可或缺的重要属性。当无线传感器网络部署在偏僻或者敌对的环境中,由于其开放的无线信道、动态的网络结构和分布式部署等特性,传感器节点易被敌对的人捕获成为恶意节点,当恶意节点从内部发起攻击时,无线传感器网络的安全无法得到有效保障。无线传感网节点信任评估能够有效防范恶意节点发起的内部攻击,提升无线传感器网络的安全性。传感器节点所在区域的环境并不是一成不变的
第五代移动通信(Fifth Generation Mobile Communication,5G)作为新一代移动通信技术,采用了全新的网络架构。5G以长期演进(Long Term Evolution,LTE)技术为基础,引入了全新的空口技术(New Radio,NR)。媒体接入控制(Media Access Control,MAC)层隶属于NR的高层协议栈,其功能随着5G标准的更新不断地改进与完善
智能安全帽系统是智慧工地的重要组成部分,但目前仍存在智能化功能缺失、功耗大、定位场景受限、管理平台功能单一化等缺点。因此,本文结合安全帽应用场景和低功耗物联网LoRa技术,开发出一款基于LoRa的智能安全帽系统,具有较好的经济价值与应用价值,对于推动智慧工地发展具有重要意义。管理平台是智能安全帽系统的重要组成部分,本文主要完成智能安全帽系统管理平台的设计与实现。根据智能安全帽系统应用场景和业务需求
随着通信频率和信息传输速率的不断提高,印刷电路板(Printed Circuit Board,PCB)朝着小型化、高集成度等方向演变。PCB作为电子设备的主要组成部分,其上各元器件通过微带线连接以实现信息和能量的交换。由于PCB板空间狭窄,微带线布局紧凑,容易引发串扰问题,降低电路信号完整性。同时,PCB抗扰度低,微带线受到空间电磁场辐照将耦合产生干扰信号,影响连接元器件的正常工作。受元器件位置和
移动通信在过去的几十年中经历了巨大的发展,无线通信系统已经从第一代发展到第五代(5th Generation,5G),以更高的效率提供更多服务。大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术在5G及5G以上通信系统中发挥着至关重要的作用。然而,由于大规模MIMO系统中天线数量庞大,信号检测技术在检测性能和复杂度等方面面临重大挑战,从而影响系统的整体
由于说话人跟踪在视频会议、单个说话人识别、监控等领域的潜在应用,基于音视频信息融合的说话人跟踪算法受到了越来越多的关注。在实际应用中,音视频融合跟踪面临的挑战较多,包括多模态信息的融合、估计变化的说话人数目及其状态以及处理在遮挡、摄像机有限的视野、照明环境变化和房间混响等条件下的跟踪误差。因此,充分地融合音视频多模信息对说话人进行定位和跟踪是研究的热门话题。本文研究的目的是在贝叶斯框架下解决上述的
随着三维数据采集技术的不断发展,点云成为了一种极具吸引力的媒体格式,它在虚拟现实、增强现实、自动驾驶等领域都有着广泛应用。然而如何准确量化点云的感知质量来实现应用驱动优化仍然是具有挑战性的问题。这主要是因为点云是由非结构化的三维点构成的,其拓扑结构比二维图像/视频更加复杂。其次,点云感知质量的退化通常涉及到几何属性和颜色属性的融合失真,其中几何失真的度量尤为困难。本文针对该研究课题中存在的问题进行
极化码从被提出到被采用为增强移动带宽(enhanced Mobile Broadband,e MBB)场景下物理下行控制信道(Physical Downlink Control Channel,PDCCH)的标准编码方案仅用了不到十年的时间,且其译码性能会严重影响下行控制信息(Downlink Control Information,DCI)地解析。本文依托于“增强移动宽带5G终端模拟器研发”项目