6个研究背景和意义示例,教你写计算机多轮对话论文

今天分享的是关于多轮对话的6篇计算机毕业论文范文, 如果你的论文涉及到多轮对话等主题,本文能够帮助到你

面向招聘领域的多轮对话系统研究与实现

这是一篇关于对话系统,多轮对话,意图识别与槽填充,槽位表,招聘领域的论文, 主要内容为相对于任务型单轮对话系统来说,任务型多轮对话系统更加符合人类日常对话逻辑,具有广泛的应用前景。然而,目前主流任务型多轮对话系统利用复杂的深度学习模型和大量语料进行训练,模型训练时间成本高,训练得到的模型计算复杂。对此,论文展开了深入研究,采用简化的深度学习模型进行多轮对话系统的训练,分别对意图识别与槽填充任务、对话状态跟踪任务、对话策略生成任务提出了优化设计,构建面向招聘领域的多轮对话系统。构建了面向招聘领域的知识图谱,采用自顶向下的方法构建领域知识图谱,通过网络爬虫、实体关系抽取、知识融合等技术获取三元组知识,基于Neo4j构建了招聘领域知识图谱。设计了一种基于深度学习的意图识别与槽填充的联合模型,将经过ngrams编码的稀疏向量与经过预训练词嵌入模型编码的稠密向量融合增强输入的语义信息,利用门控槽机制增强意图识别与槽实体识别的关联性。设计了一种基于槽位表和Transformer多轮对话管理机制,对话状态跟踪上采用基于槽位表记录的方式进行对话状态的维护与更新,对话策略生成模型利用Transformer模型进行编码,利用最大点积相似度对对话将要执行的下一步动作进行预测。意图识别和槽填充的联合模型在SMP数据集上设置对比实验,模型在意图识别任务和槽实体识别任务上F1值分别优于Bi Ass-Gate模型1%和4%,在槽实体识别任务中优于Joint Bert模型近1%。对话策略生成模型在Multi WOZ 2.1数据集上进行了对比实验,相对于文献52的基于Transformer的模型,模型在小样本下准确度高0.12,在预测速度上要快近1/4。设计和实现了面向招聘领域的多轮对话系统。应用优化的意图识别与槽填充模型、对话状态跟踪模型和对话策略生成模型构建问答系统。并将问答系统与知识图谱、语音交互系统、安卓系统、微信小程序相融合,利用编程语言、推理框架,设计和实现了一套面向招聘领域的多轮对话系统,通过测试验证了系统的有效性。

基于知识图谱的多轮问答系统

这是一篇关于问答系统,多轮对话,知识图谱,Neo4j,槽模型的论文, 主要内容为人工智能的迅速发展使得问答系统得到进一步的发展,而基于人工智能的问答系统的应用也是随处可见。大规模的数据出现,随之而来地是用于存储的知识图谱。而知识图谱的出现给了问答系统新的可能性,基于检索式的问答成为了知识图谱问答的主流应用。而本文的研究重点在于将知识图谱应用于多轮的交互,实现多轮问答。目前,基于知识图谱的单论检索式问答已经相对成熟,但是对于多轮的问答探索较少。因为在用户在获取信息的过程中,并不能一次性的给出所有关键词,因此,为了提供给用户更友好的帮助,给以用户友好的引导,从而精确定位用户需求,返回用户真实所需。因此,进行多轮的问答具有必要性。整个系统包括了图谱构建环节、多轮问答模型设计以及系统实现环节。首先,本文通过多源异构的数据进行实体抽取,其中,通过爬虫获取的网页数据通过正则抽取,而自由文本则通过知识样本树进行抽取。然后,将抽取实体转为三元组,存入基于Docker-compose动态构建而成的Neo4j图数据库中。接着,通过构建进行人机交互的历史记录存储以及传输功能,实现历史通信内容的记录,借此进行本轮对话的分析以及基于槽模型或者随机游走模型的回复生成。最终,将图谱构建以及多轮问答实现模式化,形成一个通用的程序,实现配置式的机器人的构建,并将其进行网页化的展示。本文所提出的多轮问答系统给出了一个完整的实现方案,但仍有需要优化的地方。其中,图谱构建环节对于同义词、近义词的实体对齐可将其加入优化构建,而多轮问答也需要将向量化加入,从而更好的实现相似问题识别的功能。

面向招聘领域的多轮对话系统研究与实现

面向电网设备故障检修的多轮对话系统的设计和实现

这是一篇关于多轮对话,知识图谱,知识抽取,远程监督的论文, 主要内容为面对电网设备系统中急剧增长的新知识和数量庞大的参考文献,检修工作人员在实际的检修过程中受制于反应速度和思考能力,无法从这些复杂的故障信息中及时准确地识别故障并作出检修决策。随着通信技术和人工智能技术的不断发展,基于人工智能技术的对话系统正逐渐兴起,为工作人员的检修过程提供巨大的便利和检修参考。因此,研究如何将人工智能技术应用在面向电网设备故障检修的对话系统中对于减少检修成本和工作失误、推动检修工作智能化、信息化具有重大的意义和帮助。本文首先对目前的面向电网设备故障检修的对话系统进行深入的研究,并总结出目前的面向电网设备故障检修的对话系统存在的三大不足:一是当前面向电网设备故障检修的对话系统以单轮为主,虽然可以通过一次交互实现简单的任务,但是因为工作人员提供的问题的模糊和信息的缺失,依然无法完成一些特定的对话任务,诸如针对检修问题的描述的解决方案,无法准确的定位问题给出答案。二是当前的电网系统中因为缺乏大量问答标注训练数据,无法实现智能的对话。虽然可以通过借助爬虫等手段搜寻社区的对话与语料,但是无论是专业性还是数量上还远远无法作为对话系统的底层支持。三是电网系统中累积了大量非结构化的文本数据,诸如案例报告、检修标准等,这部分数据中的知识大多依赖于特定领域的专家通过人工的提取、整理并将数据借助图、表形式存储在数据库的传统知识管理方式,因为其所能够的存储知识的结构较为单一,推理难度大,无法作为对话系统的底层知识库。为此,本文提出面向电网设备故障检修的多轮对话系统,以知识图谱作为底层支持。一方面,不需要对话训练数据,通过知识图谱可以实现对话交互。另一方面,相较于传统的数据组织形式,知识图谱将原本没有联系的数据连通,方便系统进行推理和利用。通过在电网工作检修工单上的测试和多轮用户满意度评测,验证该系统的有效性。另外,本文对知识图谱的构建,尤其是基于远程监督的知识提取模型进行了优化,并通过一系列实验验证,其在提升模型精度的同时,挖掘出了更多的有效数据。最后,本文以Rasa框架为基础,设计和实现了面向电网设备故障检修的多轮对话系统。本文首先对系统进行详细的需求分析,将该系统划分为原始数据模块,知识抽取层,数据持久层,检修决策交互模块和交互及数据管理可视化模块。通过一系列的系统测试,验证了本系统能满足场景使用需求,符合设计预期。

基于Web智能预问诊系统的设计与实现

这是一篇关于预问诊,多轮对话,流程编排,Vue.js,Rasa,界面化配置的论文, 主要内容为随着社会医疗资源不平衡和人民日益增加的健康医疗需求间的矛盾日渐严重,预问诊作为提升看病效率的一显著方法逐渐被普及。本文将以眼科为例,在以预问诊为目的的任务型对话领域进行研究,并将成果转化为智能化的基于Web的预问诊系统。本文先使用文本结构化技术提取58健康等网站上的眼科类疾病特征字段并构建疾病知识库,接着基于疾病预测策略,实现了用多轮对话的方式采集用户患病信息,并有针对性地进行追问澄清,再将所得可用信息转化为预诊断报告进行存储,然后把智能预问诊和其结果的反馈整合为智能预问诊系统,最后进行了对话机器人界面化配置的相关研究,提供创建、训练、测试科室问诊助手的功能的一站式辅助系统。基于医学文本结构化、知识库构建、自然语言分析、对话管理、疾病预测分析、针对预诊报告的文本生成和系统构建等技术,本文主要完成以下工作:(1)设计并实现智能预问诊助手。以眼科为例,通过对问诊内容与流程的研究,采用外串内并的流程设计人机问诊对话,构建算法引擎,包括多轮对话模块、NL2SQL模块和专有名词匹配模块,并构造了一套与之对应的的训练数据。另外,本文还提出了选择最特殊症状追问和选择出现频率最多症状追问的这两种疾病预测策略,为用户的意见反馈奠定基础。(2)基于此智能助手,设计并实现了基于Vue的智能预问诊系统。该系统包括了预问诊对话、科室助手管理、对话历史管理、个人健康管理四大功能。根据眼科预问诊助手收集的患者信息和疾病预测产出规范的电子预问诊报告并为患者提供如护理建议、就诊提醒等诊前服务。(3)设计并实现了为预问诊系统提供助手创建服务的可配置多轮对话系统,包括账号管理模块,语料管理模块,机器人配置模块,人机交互管理模块,训练可视化模块。通过基于自动文本和基于语音的对话开源机器学习框架Rasa,进行了机器人应用构建的可视化流程编排,以便降低对话系统的研发门槛。基于上述研究内容,本文从医患的实际角度出发,研究以眼科为例的问诊流程,基于多轮对话技术实现了支持用户引导、预测疾病、专业词汇解释的智能预问诊系统,为患者用户提供智能预问诊的入口和反馈服务。并针对智能助手开发成本高问题,研发了可配置多轮对话机器人系统,为智能预问诊系统或其他领域工程提供界面化的一站式智能助手创建服务。