聊天机器人在英语练习中的应用研究

摘要

结合我国学生缺少机会去练习英语的现状，特开发一款能提供良好对话质量的英语聊天机器人用以帮助用户提升英语。本文主要的研究内容是利用检索技术和生成技术进行英语聊天机器人的对话系统生成，因为聊天机器人的应用场景为英语练习，则聊天机器人回复质量一定要好，才能促进用户英语水平的提高。因此，本文的主要目标是提高生成和检索两种回复生成效果，并在各自生成的候选答复中选择回复效果最好的语句。论文在已有研究的基础上，对检索方法和生成方法进行了研究，并结合两种方法设计实现了英语聊天机器人。本文的主要工作如下所示：　　（1）研究应用于英语聊天机器人的生成模型。本文首先研究了序列到序列模型，该模型在英语到法语的机器翻译任务上表现良好，然后在该模型的基础上引入了注意力机制，并使用beam search启发式算法提升模型生成回复的效果。并根据生成回复长度、回复多样性对模型性能进行验证。　　（2）研究应用于英语聊天机器人的检索模型。本文首先研究了基于TF-IDF算法的关键词匹配方法，紧接着研究利用序列到序列模型编码文本去获取文本的语义，最后研究了基于深度学习的评分模型。最后基于以上三种文本匹配方法构建检索模型，并用实验证明本文检索模型的准确率高于其他方法。　　（3）设计并实现英语聊天机器人系统。在生成模型和检索模型的研究基础之上实现英语聊天机器人系统，系统的答案选择模块对生成模式和语检索模型分别生成的候选答复进行评分，选择得分最高的作为回复。引入人工评分机制，验证本文所构建的英语聊天机器人的回复生成效果好于生成模型和检索模型。

目录

声明

1 绪论

1.1 引言

1.2 国内外研究现状

1.3 研究内容

1.4 章节安排

2 相关技术

2. 1 聊天机器人

2.1.1 聊天机器人简介

2.1.2 现有的聊天机器人实现技术

2.2.1 词嵌入技术

2.2.2 词干提取

2.2.3 命名实体识别

2.3 神经网络介绍

2.3.1 循环神经网络

2.3.2 长短时记忆网络

2.4本章小结

3 基于序列到序列模型的语言生成方法

3.1 序列到序列模型

3.2 注意力机制

3.3 Beam Search算法

3.4 生成式聊天机器人框架

3.5 实验结果与分析

3.5.1 实验数据介绍

3.5.2 实验环境

3.5.3 实验结果

3.6 本章小结

4 基于检索的回复生成方式

4.1 基于TF-IDF算法的关键词匹配方法

4.1.1 TF-IDF算法

4.1.2 基于TF-IDF算法的余弦相似度计算

4.2 基于序列到序列模型的语义相似度计算方法

4.3 基于深度学习的评分模型

4.4 检索式聊天机器人框架

4.5.1 实验准备

4.5.2 实验结果

4.6本章小结

5 英语聊天机器人的系统设计与实现

5.1 英语聊天机器人构建

5.2.1 体系结构

5.2.2 功能设计

5.3 系统详细设计

5.4 系统实现

5.4.1 系统运行环境

5.4.2 系统展示

5.5 系统性能分析

5.5.1 评价指标

5.5.2 实验结果

6 总结与展望

6.1 总结

6.2展望

致谢

参考文献

攻读学位期间取得的研究成果