面向聊天机器人的情绪识别技术研究

发布时间：2024-04-10 00:04

　　近年来,随着自然语言处理技术的快速发展,聊天机器人受到了很多关注,并逐渐成为了学术界和工业界的研究热点。聊天机器人不断发展进步,应用范围不断扩大,人们对它也有了更高的要求,希望聊天机器人在关注对话内容和对话任务的同时,也可以与人进行更深入的情感交流。这就要求聊天机器人可以理解人的情绪,并作出合乎常情的情感表达。其中,情绪理解作为合理情感表达的基础,在聊天机器人中就具有十分重要的研究意义。本文主要围绕聊天机器人中的情绪识别问题展开研究。不同于文本情感分析中句子级的情绪识别,对话中的话语并不是孤立的,因此对话中的情绪识别需要更多地考虑对话中的要素,并探索这些要素对情绪识别的作用。本文主要考虑了对话中的三种不同要素,并设计了三种有针对性的对话情绪识别方法,探究引入这些要素对情绪识别性能的实际影响,本文主要的研究内容包括:(1)针对对话中存在的上下文内容信息,本文主要提出一种基于层次化网络的对话情绪识别技术,通过话语和上下文两级编码器对对话进行端到端的层次化建模,以实现对上下文内容信息的有效利用,达到提升情绪识别性能的目的。(2)针对对话中存在的上下文情绪信息,本文主要提出一种基于迭代增强机制...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图2-2RNN模型时间展开结构示意图

哈尔滨工业大学工学硕士学位论文图2-2RNN模型时间展开结构示意图长久的应用实践表明，RNN能有效处理时间序列相关问题，但是RNN同前馈神经网络一样，也存在梯度消失的问题，而RNN模型的变种LSTM则较好的解决了这个问题。2.2.2长短时记忆网络RNN十分适合处理时间序列相关问题....

图2-3LSTM单元结构示意图

哈尔滨工业大学工学硕士学位论文图2-3LSTM单元结构示意图输入门对应图2-3中的i(t)，具体负责控制有多少新信息可以流入当前时刻的单元状态c(t)，定义如公式（2-4）所示：i(t)=σ(Wih(t1)+Uix(t)+bi)(2-4)输入门控制下流入的新信息对应图2-3中的a....

图4-3Luong等人提出的局部注意力的结构图[42]

哈尔滨工业大学工学硕士学位论文x1x2x3xT+αt,1αt,2αt,3αt,Tyt-1yth1h2h3hTh1h2h3hTst-1st图4-2Bahdanau等人将注意力机制应用到编码器-解码器框架的模型结构图[39]可以无视距离直接进行两两交互，并且利用掩码矩阵还可以实现仅保....

本文编号：3949836