1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 基于规则或模板的方法
1.2.2 基于深度学习的方法
1.3 本文的主要贡献
1.4 论文组织结构
2 相关工作
2.1 词向量
2.2 卷积神经网络
2.3 循环神经网络
2.4 注意力机制
2.5 本章小结
3 基于多级别词序列粒度表示和融合词向量的多轮回复选择 3.1 引言
3.2 顺序匹配模型SMN
3.3 MRSMN模型的设计思想
3.3.1 多级别词序列粒度表示的设计思想
3.3.2 融合词向量的设计思想
3.4 模型结构设计
3.4.1 多轮回复选择任务定义
3.4.2 模型流程概述
3.4.3 融合词向量
3.4.4 多级别词序列粒度表示
3.4.5 话语回复匹配
3.4.6 匹配特征累积
3.4.7 匹配预测
3.5.1 实验环境
3.5.2 实验数据集
3.5.3 评价指标
3.5.4 实验过程
3.5.5 实验结果及分析
3.6 本章小结
4 基于双向注意力和时空匹配特征的多轮回复选择 4.1 引言
4.2 MRBAST模型的设计思想
4.3.1 模型流程概述
4.3.2 基于双向注意力的多级别粒度表示
4.3.3 话语回复匹配
4.3.4 时空匹配特征累积
4.3.5 匹配预测
4.4 实验及结果分析
4.4.1 实验过程
4.4.2 基准模型
4.4.3 实验结果及分析
4.5 本章小结
5 总结和展望
5.1 总结
5.2 未来工作展望
参考文献
附录
A. 作者在攻读学位期间发表的论文目录
B. 学位论文数据集
致谢
重庆大学;