基于深度学习的复合任务多轮对话系统研究与实现-文献详情-维普官网

文献检索

任意字段

文献信息

任意字段
主题词
篇关摘
篇名
关键词
摘要
作者
第一作者
作者单位
刊名
中图分类号
学科分类号
DOI
基金

智能检索

高级检索

检索历史

基于深度学习的复合任务多轮对话系统研究与实现认领

作者：

于长宏

学位授予单位：

北京邮电大学

摘要：

随着人工智能的发展,人机对话系统在虚拟助手、智能客服等领域得到广泛应用。其中,面向任务型多轮对话系统是学术与工业界重点关心的研究领域,它面向特定的领域来解决具体的任务,例如查询天气、推荐景点、预订酒店等,系统需要引导和帮助用户完成任务或实现目的。传统上的面向任务型对话系统往往局限于单轮交互,且难以应对涉及多个任务或跨越多个领域的对话场景,缺乏泛化能力。而在工业界,用户期待系统既能反映多样化的个性喜好,又能联系到具体的业务和目标上,即将闲聊机器人与任务型系统在系统设计和实现技术上寻求统一解决方案。本论文针对以上的挑战提出了基于深度学习的复合任务多轮对话系统,面向复合任务场景,解决多领域多轮场景下传统模型缺乏通用性,泛化性和可控性的问题。首先,针对当前工业界对对话系统的需求,本文从关于对话模型的研究入手,针对多轮意图追踪、跨领域切换与迁移、回复生成多样性与可控性中存在的问题进行深入分析和优化。具体地,本文提出了层级门控增强的对话状态跟踪框架,以开放词表方法取代传统的基于多标签分类的方法,解决模型依赖静态本体、冗余追踪等挑战,提升模型鲁棒性和可扩展性。随后,本文进一步提出了一个端到端的通用对话模型构建与管理框架,基于单一通用语言模型实现闲聊型和任务型对话两类异构任务的框架同一性,并通过预训练-微调、数据增强、机器教学等方法,以轻量级模型参数和低推理时延打通不同垂直领域间的壁垒,解决实际业务中的会话交互问题。在上述对话研究之外,本文进一步研究了任务型对话中对话策略管理与系统回复生成两个任务的可控制性问题,利用即插即用的控制器生成风格各异,高度类人的交互语句,提升对话的交互性和消费者的体验。在深入研究多轮智能问答算法的过程上,本文实现了一系列具有企业应用价值的面向复合任务的中文多轮对话系统,并以Web应用形式呈现。通过多样化的数据资源,系统可以灵活应对闲聊和任务型对话,并自由控制系统策略与回复生成,提升用户体验。部分关键技术进行针对项目的自身特点和应用场景进行针对性的优化,验证了所研究的自然语言处理领域人机对话技术的工业价值。

摘要译文

关键词：

智能问答; 多轮对话; 任务型对话; 深度学习

学位年度：

2022

学位类型：

硕士

学科专业：

信息与通信工程

导师：

詹志强

中图分类号：

TP391.1[文字信息处理];TP18[人工智能理论]

学科分类号：

081206[计算机应用技术];081205[人工智能];140501[智能基础理论];140502[人工智能];140503[智能系统与工程];140504[人工智能安全与治理];140506[人工智能应用]

D O I：

10.26969/d.cnki.gbydu.2022.001978