基于循環(huán)神經(jīng)網(wǎng)絡的單輪對話生成方法研究.pdf

1、人機對話是人工智能領域的前沿研究課題，其中涉及自然語言理解，知識和推理等。隨著深度學習技術的進展，近年來對話系統(tǒng)成為了科技媒體和研究者社區(qū)探討的焦點，很多效果較好的對話系統(tǒng)都使用了循環(huán)神經(jīng)網(wǎng)絡，將深度學習應用于對話具有重大的研究意義和應用價值。
　　本文研究中文開放域對話系統(tǒng)中的基礎問題，即短文本對話:不限定聊天場景的一問一答式的單輪對話，這也是研究對話系統(tǒng)中的核心問題。本文基于循環(huán)神經(jīng)網(wǎng)絡解決短文本對話生成問題，可分為檢索式生成

2、對話和基于生成模型生成對話。檢索式系統(tǒng)提取輸入和候選回復之間的文本特征，并根據(jù)各種文本匹配模型返回語料庫中最合適的應答。實驗對比了各種文本匹配模型，包括關鍵詞匹配、淺層語義匹配和基于循環(huán)神經(jīng)網(wǎng)絡的深層語義匹配模型，實驗結果表明綜合統(tǒng)計信息和語義匹配的模型效果較好。
　　本文還探索基于循環(huán)神經(jīng)網(wǎng)絡和Seq2Seq模型訓練單輪對話生成模型，實驗訓練得到的模型能生成一個新的回復，但生成的句子中，很多都是不連貫且沒有實際意義的句子，針對這