基于Seq2Seq模型的问答系统研究

基于Seq2Seq模型的问答系统研究

论文摘要

如何使聊天机器人的问答系统更加智能,对用户问题的回答更加快速准确甚至具备情感是人工智能领域的研究焦点。基于此,提出了一种基于深度学习和Seq2Seq模型的问答系统的构建方法。该方法以深度学习框架PyTorch为开发工具,构建一个基于Seq2Seq模型并赋予注意力机制的问答系统,并采用束搜索算法比较赋予Bahdanau Attention和Luong Attention两种不同注意力机制的回答效果。实验表明,Seq2Seq模型在Luong Attention机制下采用general模式时,其回答内容大部分都具备合理性,有效地提升了问答系统的智能程度。

论文目录

  • 1 系统总体结构
  • 2 系统模块介绍
  •   2.1 门控循环单元网络GRU
  •   2.2 词嵌入模型
  •   2.3 Seq2Seq模型
  •   2.4注意力机制
  •   2.5 模型评估标准
  •     2.5.1 BLEU模型评估
  •     2.5.2 句子相似度
  • 3 实验及结果分析
  •   3.1 模型结构及训练
  •   3.2 实验结果
  •     3.2.1 不同类型Attention机制的影响
  •     3.2.2 不同类型Attention机制的回答效果
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 简治平,蔡爱雄,李欣,张磊

    关键词: 问答系统,门控循环单元网络,序列到序列模型,注意力机制

    来源: 广东石油化工学院学报 2019年06期

    年度: 2019

    分类: 社会科学Ⅱ辑,信息科技

    专业: 计算机软件及计算机应用,自动化技术

    单位: 广东石油化工学院计算机学院

    基金: 国家自然科学基金项目(61571147)

    分类号: TP391.1;TP18

    页码: 48-52

    总页数: 5

    文件大小: 685K

    下载量: 154

    相关论文文献

    • [1].基于运行关键指标和Seq2Seq的大电网运行异常识别[J]. 电力建设 2020(07)
    • [2].基于深度特征和Seq2Seq模型的网络态势预测方法[J]. 计算机应用 2020(08)
    • [3].基于注意力Seq2Seq网络的高速公路交织区车辆变道轨迹预测[J]. 中国公路学报 2020(06)
    • [4].基于Seq2Seq技术的输电线路故障类型识别方法[J]. 智慧电力 2020(05)
    • [5].基于模型Seq2Seq机器翻译的研究[J]. 电子世界 2019(08)
    • [6].用于云资源负载预测的Seq2seq模型[J]. 通信技术 2020(01)
    • [7].基于Seq2Seq模型的港口进出口货物量预测[J]. 计算机系统应用 2020(03)
    • [8].基于Seq2Seq模型的自定义古诗生成[J]. 计算机科学与探索 2020(06)
    • [9].基于Seq2Seq框架和领域知识图谱的新闻简报生成[J]. 沈阳航空航天大学学报 2019(01)
    • [10].采用Seq2Seq模型的非受限词义消歧方法[J]. 西北大学学报(自然科学版) 2019(03)
    • [11].基于Seq2Seq的生成式自动问答系统应用与研究[J]. 现代计算机(专业版) 2017(36)
    • [12].基于Seq2Seq与Bi-LSTM的中文文本自动校对模型[J]. 电子技术应用 2020(03)
    • [13].基于改进seq2seq模型的英汉翻译研究[J]. 计算机工程与科学 2019(07)
    • [14].基于seq2seq模型的深度学习密码破译方法[J]. 通信技术 2019(09)
    • [15].基于Seq2Seq和Attention的时序卫星云图台风等级预测[J]. 遥感信息 2020(04)
    • [16].基于改进Seq2Seq的短时AIS轨迹序列预测模型[J]. 计算机科学 2020(09)
    • [17].基于序列到序列模型的事件识别[J]. 中文信息学报 2019(06)
    • [18].核心词修正的Seq2Seq短文摘要[J]. 计算机工程与设计 2018(12)
    • [19].基于seq2seq和Attention机制的居民用户非侵入式负荷分解[J]. 中国电机工程学报 2019(01)
    • [20].基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用[J]. 计算机应用 2019(03)
    • [21].基于深度学习的自适应游戏剧情生成系统研究[J]. 智能计算机与应用 2019(05)
    • [22].基于Seq2Seq的问答系统应用研究[J]. 福建电脑 2018(10)
    • [23].应用Google Tensorflow的推荐系统[J]. 电脑知识与技术 2018(28)
    • [24].S2SA-BiLSTM:面向法律纠纷智能问答系统的深度学习模型[J]. 小型微型计算机系统 2019(05)
    • [25].面向消化内科辅助诊疗的生成式对话系统[J]. 计算机系统应用 2019(10)
    • [26].基于深度学习的创新主题智能挖掘算法研究[J]. 数据分析与知识发现 2019(01)

    标签:;  ;  ;  ;  

    基于Seq2Seq模型的问答系统研究
    下载Doc文档

    猜你喜欢