【摘 要】
:
任务型对话系统是人工智能领域的研究热点,其实用价值也颇受业界重视。流水线型对话系统是目前采用的主流架构,它将整个对话过程划分为自然语言理解、对话策略、对话生成等多个模块,其中用于识别语句中关键词的槽填充和用于语句中预测情感的对话的情感分析是自然语言理解模块的重要子任务,因此受到学术界和工业界的重点关注,而用深度学习建模槽填充和对话的情感分析是当前的主流方法。然而目前槽填充和对话的情感分析模型存在着
论文部分内容阅读
任务型对话系统是人工智能领域的研究热点,其实用价值也颇受业界重视。流水线型对话系统是目前采用的主流架构,它将整个对话过程划分为自然语言理解、对话策略、对话生成等多个模块,其中用于识别语句中关键词的槽填充和用于语句中预测情感的对话的情感分析是自然语言理解模块的重要子任务,因此受到学术界和工业界的重点关注,而用深度学习建模槽填充和对话的情感分析是当前的主流方法。然而目前槽填充和对话的情感分析模型存在着诸多问题。首先,目前的槽填充模型主要通过注意力机制将上下文编码成一个上下文表示向量后,再与当前语句融合以完成槽填充任务,但是该方法不能准确编码对话中角色信息,并且上下文与当前语句的融合不够充分,无法以单词的颗粒度和上下文融合,限制着模型性能进一步提升。其次,目前对话的情感分析模型仅根据上下文分析当前语句的情感,然而对话中的情感序列存在着规律性,相似的情感通常一起出现,所以利用规律性能够提高模型的性能。针对上述两个问题,本文进行了如下研究:第一,针对目前槽填充模型角色信息缺失和上下文与当前语句融合不充分的问题,本文提出一种基于角色上下文编码和深度语义融合机制的多轮槽填充模型,通过角色上下文网络编码角色信息以及利用深度语义融合机制使上下文和前语句充分融合,显著提升了槽填充模型的性能。第二,针对目前对话的情感分析模型缺失情感序列特征和数据集学习不充分的问题,本文提出一种基于序列预学习的多轮情感分析模型结构以及针对性的训练方式,通过加入预训练情感序列模型的方式,将情感序列信息融入到情感分析任务中,显著提升了情感分析模型的性能。
其他文献
食品快速检测工作越来越贴近广大老百姓的生活,这也是市场监管部门积极推进的一种食品安全监督管理的工作模式。在食品快速检测工作中,盲样制备作为前置环节,其盲样质量直接影响后续的检测结果。本文梳理分析了盲样制备工作中存在的一些问题,提出了改进措施与建议。
深度神经网络在从语言建模、计算机视觉到语音识别等广泛的应用领域取得了巨大的成功。然而,目前,仅凭良好的性能还不足以满足实际部署的需要,在涉及伦理和关键应用的情况下,需要可解释性。目前对于可解释性的研究无法满足需求,深度神经网络的复杂模型使其难以理解和推理预测,这阻碍了其进一步的发展。因此,提高模型的可解释性不仅具有学术意义,更具有现实价值。本文的研究思路是通过集成学习增强可解释系统。依据研究思路,
挥发性有机污染物(VOCs)种类繁多且时空变化迅速,这在生态环境和生命健康等领域中产生了严重的危害。因此,研究和开发快速、精确、高灵敏度的VOCs检测方法与技术具有极为重要的意义。在线检测中的光电离质谱具有谱图简单易解析、灵敏度高、检测速度快等优势,在复杂样品在线监测及快速分析检测中得到越来越多的应用。光电离质谱常用真空紫外氪气放电(VUV-Kr)灯作为光源,因其光通量和光子能量都相对较低,从而导
人工智能技术的高速发展,极大地改变了传统决策模式,数据中潜在的关联规则与因果关系,使得数据驱动的机器学习算法在军事、经济、工业等领域有广泛的应用。分类算法通过有监督的方式对离散型随机变量建模并预测,是当前机器学习中非常重要的研究领域,能有效解决实际生活的各种预测模型与评估分析的问题。传统的分类算法通常只对一个标签进行预测,然而在实际应用中各样本可能由多个标签标注,现实场景面临的复杂情况已经不能仅仅
自20世纪80年代以来,心率检测一直是生物医学实践的研究对象。记录心率的方法包括心电图分析、超声心动图检查等。这些监测方案准确可靠,但需要电极或心脏探头与人体之间的紧密接触,因此需要医疗专家进行专业的操作,这将给受试者带来不便并为受试者造成一定的心理压力。心冲击图(Ballistocardiogram,BCG)是记录每个心跳周期内,血液流动所产生身体运动的信号波形。基于BCG的心率检测方法不需要人
在大数据时代,信息产生的速度越来越快,各行各业所累积的数据量也越来越大。比如在淘宝和京东这样的电商场景中,无论是用户的数量还是商品的数量,都是以亿为计量单位的。因此,对于一个普通的用户而言,在不借助任何工具的情况下,想要从海量的商品池中快速地找到自己感兴趣的商品是一件极其困难的事情。在这种情况下,推荐系统的产生成为了一种必然,可以帮助用户从海量信息中迅速获取有效的信息。深度学习兴起之后,融合因子分
阿尔茨海默病(Alzheimers Disease,AD)是一种与年龄高度相关且患病过程不可逆的神经退行性疾病。在临床表现上,患者早期通常会出现日常记忆丧失、表达受阻以及行动受限等症状,随着病情的不断发展,患者会逐渐丧失个人的生活自理能力,给患者的家庭以及社会带来沉重的经济压力与看护负担。由于该疾病的特殊性与复杂性,医学上至今仍未找到具体的致病原因,以及有效治愈患者的方法,只能通过人为干扰或药物治
多标签图像分类(MLIC)广泛应用于场景理解、多目标识别、视觉问答等领域。虽然基于深度卷积神经网络(CNN)在图像分类中表现出了能够媲美人眼识别率的精度和性能,但基于CNN的分类模型已经被证明非常容易受到对抗样本的攻击。因此,对于MLIC系统的安全性研究成为一个亟待解决的问题。本文结合现实场景中多标签图像分类器的应用情况,对多标签图像攻击算法开展了研究。其主要内容包括:1、本文提出在多标签图像对抗
随着智能监控设备的普及,从视频中获取和分析行人数据变得十分便捷,人群行为分析和建模引起了越来越多研究人员的关注。一方面,通过计算机视觉和物理方法研究人群行为特征;另一方面,通过对人群行为进行建模,验证和改进人类行为动力学模型。本论文以视频行人轨迹提取为主线,对多视角行人目标检测进行深入研究,结合相似性度量发展了基于轨迹相似度的时空聚类方法,并对行人运动时空特性进行了挖掘分析。论文的主要工作和成果如