【摘 要】
：
近两年人工智能的兴起,语音智能聊天机器人成了各行各业追捧的对象,其中具有较强领域性的任务型对话系统被广泛应用,例如银行的智能助手、医院的导诊机器人、移动通讯的业务办理机器人等,都体现了对任务型人机对话系统日益俱增的需求。人机对话系统的自然语言理解模块是人机对话系统中的一项重要工作,此模块包括意图识别和语义槽填充,其中意图识别的准确性直接影响用户对系统的体验感,也就是用户是否能得到系统反馈的合理信息
论文部分内容阅读
近两年人工智能的兴起,语音智能聊天机器人成了各行各业追捧的对象,其中具有较强领域性的任务型对话系统被广泛应用,例如银行的智能助手、医院的导诊机器人、移动通讯的业务办理机器人等,都体现了对任务型人机对话系统日益俱增的需求。人机对话系统的自然语言理解模块是人机对话系统中的一项重要工作,此模块包括意图识别和语义槽填充,其中意图识别的准确性直接影响用户对系统的体验感,也就是用户是否能得到系统反馈的合理信息。本文基于深度学习技术,对任务型人机对话系统中的意图识别问题进行了以下工作:首先,针对一般的深度学习方法在进行意图识别时,主要基于词向量的文本特征表示,不能全面地将文本蕴含的信息表示的问题,提出模型MCCL（Mulity Channels CNN-LSTM）,该模型基于深度学习模型卷积神经网络（Convolutional Neural Networks,CNN）并结合LSTM（Long-Short Term Memory）算法,利用多种特征对文本进行表示,来减少分词错误和语义理解不准确造成的影响。MCCL模型可以有效地克服一般的特征表示单一的问题,从而提升意图识别的准确率。其次,针对现有的使用带有标签信息的特征对文本进行分类时,丢失了原本词语上下文语义的问题,以及CNN最大池化层信息丢失严重的问题,提出一种基于融合CNN池化层的带有标签信息的意图识别模型LICL（with Lable Information CNNLSTM）。该模型将单词和标签嵌入到相同的空间中,使得文本和标签共享单词的表示,并针对CNN中最大池化层数据丢失严重的问题,提出融合最大池化和平均池化的方法,为意图识别任务提供一种新的解决方法。最后,通过实验验证所提方法的有效性。
其他文献
目前,评论信息在很大程度上改变了传统的消费观念,评论人发表的评价为商家及潜在的消费者提供了宝贵的评论信息资源,使得人们在购买的过程中对商品的质量有了一定的了解。然而,受利益驱动的影响,商家开始雇佣一定数量的评论人冒充普通消费者,并通过协调运作有组织地对某个商品进行虚假评论进而误导消费者。虚假评论群组的存在,对电商平台造成了极大的影响。因此,如何快速、准确地检测出虚假评论群组,营造公平公正的网络购物
随着人工智能的高速发展,使得手势识别及手势估计等相关手势任务在计算机视觉领域越来越重要。比如人们不再满足单一人机交互方式,手势任务为人机交互提供了新思路。然而目前无论是手势识别还是手势估计的效果并不能真正满足一个符合现实需求的手势系统,因此如何更好地完成手势任务仍然是计算机视觉领域不可忽视的问题。随着深度神经网络的迅猛发展,手势相关技术也更加成熟。因此本文结合深度学习和计算机视觉等相关知识,对更好
近几年,随着人工智能的飞速发展,人体行为识别技术也引起了人们的关注,如何快速准确地识别出人体行为,成为重要的研究课题之一。但是现在很多识别方法仍存在受外界环境影响较大,不能有效地利用人体结构以及人体动作特点,对数据信息利用不全面等问题。本文在分析了目前已有的研究方法以及存在的问题后,提出了两种新的人体行为识别方法。首先,在行为识别中,针对没有充分利用人体结构的特殊性和动作序列的长期依赖性这两个特点
随着视觉建图技术的逐渐发展,语义建图技术成为SLAM领域研究的热点,语义地图是赋予机器人进行场景感知、人机交互以及行为决策等行为的基础。目前大多数相关研究工作内容是探索语义建图中语义信息的获取方法或三维地图融合语义信息的方法,这类方法仅为三维地图添加语义属性,而没有从本质上改善建图的性能。因此,本文在构建语义地图的同时,利用语义信息优化回环检测结果,探索具有实时性、准确性以及可行性的语义建图方法。
近年来,我国经济发展迅速,国际影响力不断提高,我国股票市场成为影响全球金融指数的重要因素。随着IT技术的发展舆情数据量呈现指数级增长,传统的舆情分析方法已经不能成为投资者了解股市、掌握股市运作规律的有效手段。数据可视化技术是利用图形化手段传达数据信息并进一步挖掘深层次信息的有效方法。为了方便股民了解信息、给投资者提供参考、使股票市场健康发展,本文根据股票舆情数据的特点,采用数据可视化技术对股票舆情
人体行为识别是计算机视觉中的一项重要任务。在家庭服务机器人研究领域,人和机器人之间的交互极其重要,机器人必须能够对人体的行为进行准确分类,才能更好地为人类提供更加精准、高水平的服务。早期的行为识别算法都是针对彩色图像序列进行的,随着廉价的深度传感器和实时的骨架估计算法的出现,基于骨架的行为识别引起了很多学者的关注。利用骨架数据不仅可以改善光照变化和视点变化的问题,而且可以忽略由于衣着、肤色、发型等
互联网的迅速发展促进了电子商务系统的丰富化和多样化,要每个功能都进行重新开发会大大降低系统版本迭代的效率,因此具有各种功能的API（Application Programming Interface）的使用成为了流行趋势。本课题以API的基本研究为基础,构建了电子商务系统API模型,对电子商务系统中API的使用有一定的意义。首先,描述了课题的研究背景和意义,对API技术现状和产业界API现状进行分
随着Android智能手机的快速发展和普及,基于Android系统的设备数量和软件数量也呈爆炸性增长。相比较Apple公司的IOS系统,开源的Android系统更容易受到攻击,恶意代码可以轻易的注入并攻击移动端。目前在检测Android恶意应用领域的研究工作主要在于如何更好的提取Android应用的特征,在这些特征中利用语义特征对恶意行为进行判断的方法最为可靠。为了更精准的提取应用的语义特征,本文
目前恶意用户对推荐系统的攻击由个体攻击逐渐趋向于群组攻击。相对个体攻击而言,群组攻击对推荐系统产生的危害更大。因此,如何有效检测群组攻击成为推荐系统中亟待解决的安全问题。为了检测推荐系统中的群组攻击,研究人员提出了基于有监督和无监督学习的检测方法。然而,有监督检测方法需要标记训练样本,因此只能检测已知类型攻击。无监督检测方法不需要标记训练样本,但是需要一定的先验知识。针对这些局限,本文研究基于图嵌
蛋白质中存在的分子空腔对蛋白质的功能有极为重要的影响,因此对分子空腔的研究也是蛋白质结构与功能研究的重要组成成分。蛋白质中分子空腔的变化会给蛋白质的结构带来影响,蛋白质的功能又与蛋白质的结构息息相关。因此对分子空腔的变化模式以及影响其变化的因素的研究具有重要意义。本文根据分子空腔数据变化复杂、数据量大的特点,对分子空腔的表示形式,分子空腔间相似性比较方法进行探索。并基于此对分子空腔的变化模式进行了