文件名称：基于深度学习的智能聊天机器人的研究
文件大小：4.15MB
文件格式：CAJ
更新时间：2022-04-24 02:12:06
深度学习;
随着深度学习在自然语言理解、词向量表示、机器翻译、情感分析以及中文分词领域的应用,人们开始研究聊天机器人的关键技术,把深度学习应用于聊天机器人。近年来,聊天机器人成为了一个非常热的人工智能的研发方向。目前研究者们在研究开发开放领域的聊天机器人时,一般会在深度学习技术的Sequence to Sequence(或者称作是Encoder-Decoder)框架下进行改进的。论文针对聊天机器人研究领域出现的一些主要问题进行了分析研究,提出了一个新的聊天机器人模型,即神经网络主题模型与深度学习语言模型相结合得到的智能聊天机器人模型(T-DLL Model)。所设计的神经网络主题模型是将传统的主题模型LDA与长期记忆网络结合形成新的LSTM-LDA神经网络主题模型,深度学习语言模型的设计是基于Attention Model的双向LSTM(Bi-LSTM)的Encoder-Decoder框架模型。