基于深度学习的个性化聊天机器人研究

• 作者: 李吟 王乾铭
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 聊天机器人 Seq2Seq模型 注意力机制 多样性 个性化
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 79-84
• 页数: 6页
• 分类号: TP391
• 字数: 4533字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.04.015

摘要

为了对传统的聊天机器人局限性进行改进,增强其回复时的个性化和多样化,并使其具有一定的准确性,研究改进了一种基于深度学习Seq2Seq模型的对话系统.对传统的编码器-解码器(Encoder-Decoder)模型进行了研究,在原有模型的基础上使用了深度LSTM结构并且加入注意力机制使其能更好地适应不同长度的问句.在解码过程中,将原有模型的贪心算法改为了Beam Search算法.在训练过程中,利用了多次训练的方法,训练出模拟电视剧角色的聊天机器人,为聊天机器人赋予一个特定的身份.通过使用两种自动评估指标BLEUs和Distinct-n去测试聊天机器人,并使用一些问句测试聊天机器人的反应,最终实验结果表明新模型与原有的模型相比,两种指标都取得了较好的效果,并且输出句子的合理性以及回复质量也有明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李吟		7	13	2.0	3.0
2	王乾铭		2	1	1.0	1.0