1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于管道的任务型对话研究现状
1.2.2 基于端到端学习的任务型对话研究现状
1.3 本文研究内容
1.4 本文的组织结构
1.5 本章小结
2 基于NBT的对话状态追踪模型研究
2.1 对话状态追踪方法概述
2.2 神经信念追踪器(NBT)
2.3 基于NBT的状态追踪模型
2.4 实验验证
2.4.1 实验数据集
2.4.2 模型效果验证
2.4.3 对比实验
2.5 本章小结
3 基于BiLSTM 和Self-Attention 的编解码模型
3.1 词嵌入模型选择
3.1.1 BERT原理
3.1.2 基于BERT的词嵌入模型
3.2.1 LSTM 原理
3.2.2 双向LSTM原理
3.2.3 自注意力机制原理
3.3.1 编码部分
3.3.2 解码部分
3.4 本章小结
4 基于NMT和双语词典的数据增强方法
4.1 对话数据增强方法概述
4.2 神经机器翻译(NMT)原理
4.3 基于NMT和双语词典的数据增强模型
4.4 本章小结
5 实验结果与分析
5.1 实验数据集
5.1.1 对话训练数据集
5.1.2 对话生成模板数据
5.1.3数据库数据
5.2 实验环境
5.2.1 任务型对话方法整体结构
5.2.2 实验框架细节
5.2.3 中文自然语言处理工具Spacy概述
5.3 模型训练和参数设置
5.3.1 数据预处理
5.3.2词嵌入实验设置
5.3.3 编码-解码模型实验设置
5.3.4 模型性能评估指标
5.4.1 模型效果验证
5.4.2 泛化能力验证
5.5 本章小结
6 总结与展望
6.1 本文总结
6.2 未来展望
参考文献
附录
A. 作者在攻读学位期间被录用的论文目录
B. 学位论文数据集
致谢
重庆大学;