【摘 要】
:
随着语音交互技术的不断发展,人们一直希望有一个智能助理,它能像人一样有意识、有情感,能与人对话并完成一系列任务,例如:天气查询、酒店预订和行程安排等。本文针对基于序
论文部分内容阅读
随着语音交互技术的不断发展,人们一直希望有一个智能助理,它能像人一样有意识、有情感,能与人对话并完成一系列任务,例如:天气查询、酒店预订和行程安排等。本文针对基于序列学习的任务型对话系统模型无法有效利用外部知识库(KB)的问题展开相关研究。本文的主要工作如下:(1)针对Seq2Seq模型不能对外部数据检索进行显式建模,而导致模型很难生成存储在KB中的信息,本文提出了一种基于记忆到序列学习的任务型对话系统模型。本文模型在encoder-decoder架构中引入记忆网络来存储、查询和推理外部KB。在解码阶段,模型使用记忆网络和LSTM联合解码生个两个概率分布,一个是全局的词汇分布,另一个是记忆网络内容的分布,最后通过一个门控单元来选择最恰当的概率分布来生成当前时刻的输出。实验表明,本文提出的模型能够有效地增强对外部KB的利用率,提高系统回复中的实体准确率,进而提高系统的任务完成度。(2)由于当前大多数基于存储器的任务型对话系统是将对话上下文和KB存储在同一个存储器中,导致存储器KB的查询和推理变得困难。本文提出了一种基于多级存储和复制增强的序列学习模型,使用多级存储器单独对KB进行存储、查询和推理。该模型摒弃了常用的三元组KB表示,采用键值对的形式表示每条KB信息的所有内容。此外,我们在模型解码过程中引入了复制机制,直接从对话历史中复制相关实体作为输出。实验表明,本文提出的序列学习模型能够有效提升对话的实体准确率。与基线模型中表现最佳的模型相比,本文模型获得了最高12%性能提升。
其他文献
近年来,随着移动设备的普及和视频业务的兴起,人们在移动设备上进行视频观看的日常需求越来越多。频繁的设备连接和日益增长的网络规模加重了基站的负担,传统的蜂窝网络难以
社会的快速进步极大地激发了智能技术的创新发展。图像特征提取技术和文本自动生成技术都受到学术界的极大关注。近年来交叉学科和跨领域的研究受到巨大的青睐,尤其是融合图
波形唇油封作为一种旋转流体动力油封,具有接触压力小、泵油能力强、散热效果好和使用寿命长等优点。波形唇油封和其他油封最主要的区别在于唇口形状不同,波形唇油封唇口是由几张沿圆周方向封闭的自由曲面组成,这导致波形唇油封设计制造比较困难,并且密封机理比其他旋转油封复杂,受技术条件的限制,上述问题一直未能得到有效解决,成为制约波形唇油封广泛应用的瓶颈问题。解决上述问题的关键是掌握波形唇油封的密封机理、建立其
不时发生的火灾给社会带来严重的损失,对火灾的预防、监控和灾害发生时对人群疏散的研究已经成为热点。由于空间和视角的限制,比较大规模火灾发生时,处于现场的救援人员往往
针对公诉提起以及如何提起,国家公诉权由检察机关依法行使,并采取积极谨慎的态度。尤其是在证据不足以定罪的情况下,需要坚守最基本的价值,即保障人权。审查起诉移送案件时,
CGX1321是通过筛选得到的一种新型Wnt信号通路的抑制剂。由于Wnt通路的异常与许多癌症的发生有着密切联系,如肝,结肠和胃癌,CGX1321有可能成为一种有效的抗癌药物,在肿瘤治疗领域具有广泛的应用潜力。但该化合物在pH中性条件下,水溶性非常小。此外,先前的实验研究表明,它对小肠和皮肤具有一定的毒性作用,这是由于小肠和皮肤这些组织中有大量的Wnt通路活性。在本文研究中,我们研制了装载了CGX1
目的探讨1、影响聋儿助听效果的因素;2、行为测听在准确评估聋儿听力及助听器验配效果中的作用。方法1、选择2009年12月~2010年8月来温州医学院附属二院耳鼻咽喉科就诊的配戴
圆柱群结构物和建筑物在实际工程中比较常见,例如冷却塔、烟囱和斜拉索等。在风的作用下,圆柱群中的各个圆柱之间存在相互干扰,其气动特性与单圆柱有所不同。已有研究者较多地对双圆柱进行了研究,三圆柱研究较少,而同轴三圆柱是三圆柱中普遍存在的一种排列形式,因此,进行同轴三圆柱的干扰效应研究具有重要意义。论文首先总结了单圆柱、双圆柱和同轴三圆柱气动特性的研究现状,然后通过刚性模型测压试验研究了同轴三圆柱气动力
工业园区空气检测主要是通过一系列由敏感膜材料组成的化学气体传感器阵列来采集气体数据,再经过电子电路将复杂的时间序列信号传输到人工智能算法的软件系统中,基于手工设计的特征选择方法如随机森林(RF),主成分分析(PCA),经由一些机器学习算法如支持向量机(SVM),对特征进行训练,最后使用训练后的模型来识别未知气体的类别和浓度。传统气体检测设备的敏感膜材料因气体分子吸附而震动产生一种复杂的时间序列信号
作为浙江省农业十大主导产业之一,水果种植业对于浙江农业发展、农民增收、农村经济增长有着重要意义。然而随着城镇化进程的快速推进与农业生产集约化程度加深,新时代背景下