人机对话系统是人工智能领域的重要研究问题。随着自然语言处理和深度学习技术的不断发展,人机对话系统的功能也日益强大。人们即可以用人机对话系统完成很多任务,还能闲聊打发时间。人机对话系统逐步从一个玩具发展成一个受人信赖的助手和可以倾诉的伙伴。与此同时,大家也对人机对话系统提出了更高的要求。人们希望与自己聊天的机器具有一定特色,例如带有某一性别特征。本文主要针对这一需求,设计了带性别特征的人机对话系统,并对这个系统的核心部分短文本的性别分类模型进行了探索。本文设计的人机对话系统主要由输入模块、语义理解模块、对话管理模块、性别判别模块和输出模块五个部分组成。与传统人机对话系统相比,主要的不同在于增加了性别判别模块。该模块通过一个神经网络分类模型,对候选回复进行性别判别,从中挑选出符合性别设定的回复进行输出。这样解决了传统人机对话系统输出文本性别随机的问题,提高了用户体验感。在性别判别模块,本文首先采用CNN作为基准模型,实现了文本的性别分类。在分析了其不足之处后,提出了 BERT-CNN模型,通过预训练和微调两步实现文本性别分类。BERT-CNN的设计沿用了迁移学习的思想,通过预训练模型学习通用的语言知识,然后迁移到微调模型上。微调模型融合了 BERT和CNN,提取的文本信息更加充分。本文针对模型训练所需要的大量带男女性别标签的训练数据,提出了非人工标注的解决办法。首先采用爬虫获取社交论坛的帖子及该帖子发帖人的性别,将其作为原始的弱标注数据。然后通过卡法检验和IDF特征,获得最能代表性别差异性的关键词。将原始弱标注数据中不含关键词的数据去掉,剩下的是相对干净的标注数据。本文引入标签平滑策略,从一定程度上解决了数据噪音问题。并通过模型迭代,增补数据,提升了分类准确率。